Technische Universit├Ąt Ilmenau

Knowledge Discovery in Databases - Modultafeln of TU Ilmenau

The Modultafeln have a pure informational character. The legally binding information can be found in the corresponding Studienplan and Modulhandbuch, which are served on the pages of the course offers. Please also pay attention to this legal advice (german only). Information on place and time of the actual lectures is served in the Vorlesungsverzeichnis.

subject properties Knowledge Discovery in Databases in major Master Wirtschaftsinformatik 2011
subject number8232
examination number2200212
departmentDepartment of Computer Science and Automation
ID of group 2254 (Databases and Information Systems Group)
subject leaderProf. Dr. Kai-Uwe Sattler
term Sommersemester
languageDeutsch
credit points4
on-campus program (h)34
self-study (h)86
Obligationobligatory elective
examoral examination performance, 30 minutes
details of the certificate
maximum number of participants
previous knowledge and experience

Vorlesungen Datenbanksysteme, Statistik

learning outcome

Die Studierenden verstehen nach dem Besuch dieser Veranstaltung fortgeschrittene Konzepte des Data Mining. Sie kennen den Prozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben dieses Prozesses. Sie verstehen Verfahren zum Data Mining für spezielle Problemstellungen wie die Analyse von Datenströmen, raum- bzw. zeitbezogenen Daten und Graphstrukturen.

Die Studierenden sind in der Lage, konkrete Data-Mining-Verfahren hinsichtlich des Einsatzes für konkrete Aufgabenstellungen auszuwählen, zu bewerten und anzuwenden.

content

Einführung; Grundlagen: Statistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering, Frequent Itemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung, Datenzusammenfassungen, Frequent Pattern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining: Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger Subgraphen, Spatio-Temporal Mining: Sequential Pattern Mining, räumliche Ausreißer und Clustering, Prediktion; Big Data Analytics: MapReduce und Hadoop, Data-Mining-Tasks in Hadoop

media of instruction

Vorlesung mit Präsentation und Tafel, Handouts, Moodle

literature / references

V. Kumar, M. Steinbach, P. Tan: Introduction to Data Mining, Addison Wesley, 2005.

J. Han, M. Kamber, J. Pei: Data Mining: Concepts and Techniques, 3. Auflage, Morgan Kaufmann Publishers, 2011.

M. Ester, J. Sander: Knowledge Discovery in Databases, Springer Verlag, 2000.

evaluation of teaching

Pflichtevaluation:

Freiwillige Evaluation:

WS 2009/10 (Vorlesung)

WS 2012/13 (Vorlesung)

WS 2013/14 (Vorlesung)

SS 2015 (Vorlesung)

SS 2017 (Vorlesung)

Hospitation: