Technische Universit├Ąt Ilmenau

Knowledge Discovery in Databases - Modultafeln of TU Ilmenau

The module lists provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the electronic university catalogue.

Information and guidance on the maintenance of module descriptions by the module officers are provided at Module maintenance.

Please send information on missing or incorrect module descriptions directly to modulkatalog@tu-ilmenau.de.

module properties Knowledge Discovery in Databases in degree program Master Wirtschaftsinformatik 2014
ATTENTION: not offered anymore
module number8232
examination number2200212
departmentDepartment of Computer Science and Automation
ID of group 2254 (Databases and Information Systems)
module leaderProf. Dr. Kai-Uwe Sattler
term summer term only
languageDeutsch
credit points5
on-campus program (h)34
self-study (h)116
obligationelective module
examoral examination performance, 30 minutes
details of the certificate
alternative examination performance due to COVID-19 regulations incl. technical requirements
signup details for alternative examinations
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 and technical requirements for education and examination in case of online participation

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)

SS 2019 (Vorlesung, Seminar)

Hospitation: