Informationen für
Logo VIS

« Zurück

Statistical Data Mining
Typ: Wahlvorlesung
Semester: WS 2008/2009
Umfang: 3V+1Ü
Studiengang: Diplom Informatik, Diplom Softwaretechnik
Dozent: Prof. Dr. Gunther Heidemann
Beschreibung:

Aktuelles

Beschreibung

Die Analyse der in Naturwissenschaft und Technik anfallenden Datenmengen stellt eine große Herausforderung dar: Nicht nur die schiere Menge ist problematisch, sondern auch die oftmals sehr hohe Datendimensionalität. Selbst sehr elementare Muster - beispielsweise Cluster - k¨nnen deshalb vom Menschen nicht mehr ohne Hilfsmittel erkannt oder gar interpretiert werden.

Die Vorlesung Datamining führt in Standardverfahren der modernen Datenanalyse ein, die Strukturen aufspüren und für den Benutzer zugänglich und interpretierbar machen: Lineare und nichtlineare Dimensionsreduktion und Dimensionsanalyse; Distanzmaße und Clusteralgorithmen; elementare Datenvisualisierung, Projektionsmethoden, Sammon-Projektion, multidimensionale Skalierung; Grundlagen der Klassifikation, Klassifikatoren, Klassifikationsbäume; automatische Modellextraktion; Mustererkennung.

Die Vorlesung stellt teilweise Verbindungen zu den Themen Neuronale Netze und Mustererkennung her. Diese Veranstaltungen sind jedoch keine Voraussetzungen - Datamining ist "self-contained"

Voraussetzungen

Vordiplom, Grundlagen der Künstlichen Intelligenz empfohlen

Themen

Datenvorverarbeitung, Dimensionsreduzierung, Clustering, Klassification, Regression, Neuronale Netze, SOM, etc.

hilfreiche Literatur

Termine II

Termin      Veranstaltung   Folien/Übungsblätter 
    
Mo 13.10  Vorlesung  
    
Di 14.10  Vorlesung  
    
Mo 20.10  Vorlesung  
    
Di 21.10  Vorlesung  
    
Mo 27.10  Vorlesung  
    
Di 28.10  ÜbungÜbungsblatt 1 
    
Mo 03.11  Vorlesung  
    
Di 04.11  Vorlesung  
    
Mo 10.11  Vorlesung  
    
Di 11.11  ÜbungÜbungsblatt 2 
    
Mo 17.11  Vorlesung  
    
Di 18.11  Vorlesung  
    
Mo 24.11  Vorlesung  
    
Di 25.11  ÜbungÜbungsblatt 3 
    
Mo 01.12  Vorlesung  
    
Di 02.12  Vorlesung  
    
Mo 08.12  Vorlesung  
    
Di 09.12  ÜbungÜbungsblatt 4Old Faithfull, Quelltext
    
Mo 15.12  Vorlesung  
    
Di 16.12  Vorlesung  
    
Mo 22.12  vorlesungsfrei  
    
Di 23.12  vorlesungsfrei  
    
Mo 29.12  vorlesungsfrei  
    
Di 30.12  vorlesungsfrei  
    
Mo 05.01  vorlesungsfrei  
    
Di 06.01  vorlesungsfrei  
    
Mo 12.01  Vorlesung  
    
Di 13.01  Vorlesung  
    
Mo 19.01  Vorlesung  
    
Di 20.01  ÜbungÜbungsblatt 5Old Faithfull, Quelltext
    
Mo 26.01  Vorlesung  
    
Di 27.01  ÜbungÜbungsblatt 6olympia.data
    
Mo 02.02  Vorlesung  
    
Di 03.02  ÜbungÜbungsblatt 7 
    
Mo 09.02  Vorlesung  
    
Di 10.02  ÜbungÜbungsblatt 8 Isomap Datensatz
    
Bilder:
Internet-Seite: http://www.iis.uni-stuttgart.de/lehre/ws07-08/statistical_data_mining/
Termine: Montag, 14:00 - 15:30 Uhr in 0.108
Dienstag, 9:45 - 11:15 Uhr (14-tägig) in 0.363
Übungen: Dienstag, 9:45 - 11:15 Uhr (14-tägig) in 0.363
Tutor: Dr. Sebastian Klenk

« Zurück