Informationen für
Logo VIS

« Zurück

Statistical Data Mining
Typ: Wahlvorlesung
Semester: WS 2009/2010
Umfang: 2V+1Ü
Studiengang: Diplom Informatik, Diplom Softwaretechnik, InfoTech, Wirtschaftsinformatik
Dozent: Prof. Dr. Gunther Heidemann
Beschreibung:

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 19.10  Vorlesung  
    
Di 20.10     
    
Mo 26.10  Vorlesung  
    
Di 27.10     
    
Mo 02.11  Vorlesung  
    
Di 03.11     
    
Mo 09.11  Vorlesung  
    
Di 10.11  ÜbungBlatt 1 
    
Mo 16.11  Vorlesung  
    
Di 17.11     
    
Mo 23.11  Vorlesung  
    
Di 24.11  ÜbungBlatt 2 
    
Mo 30.11  Vorlesung  
    
Di 01.12     
    
Mo 07.12  Vorlesung  
    
Di 08.12  ÜbungBlatt 3 
    
Mo 14.12  Vorlesung  
    
Di 15.12     
    
Mo 21.12  Vorlesung  
    
Di 22.12  ÜbungBlatt 4 oldfaith.tab
    
Mo 28.12  vorlesungsfrei  
    
Di 29.12  vorlesungsfrei  
    
Mo 04.01  vorlesungsfrei  
    
Di 05.01  vorlesungsfrei  
    
Mo 11.01  Vorlesung  
    
Di 12.01     
    
Mo 18.01  Vorlesung  
    
Di 19.01  ÜbungBlatt 5 
    
Mo 25.01  Vorlesung  
    
Di 26.01     
    
Mo 01.02  Vorlesung  
    
Di 02.02  ÜbungBlatt 6 
    
Mo 08.02  Vorlesung  
    
Di 09.02  ÜbungBlatt 7 oldfaith.tab olympia.data
    
Mo 15.02  Vorlesung  
    
Di 16.02  ÜbungBlatt 8 isomap.csv
Bilder:
Internet-Seite:
Termine: Montag, 09:45 - 11:15 Uhr in 0.108
Übungen: Dienstag, 09:45 - 11:15 Uhr (14-tägig) in 0.363
Tutor: Dr. Sebastian Klenk

« Zurück