Information Mining

Formalia


Targeted audience
  • Angewandte Informatik Master
  • Komedia Master
  • ISE Master
  • BWL Master with 2+1 hours per week and 4 credit points : ohne den Text-Mining-Teil

Dates


Lectures

Date

Time

Start

Place

Dienstag 10:15 - 12:4016.10.LC/137

Tutorials

Date

Time

Start

Place

Tutor

Dienstag 13:15 - 14:00 23.10. LC/137Dipl.-Inform. Marc Lechtenfeld

Examination Dates


Oral Exam

PeriodPlace
04.03.2013 - 06.03.2013LF/135

Die Einzeltermine werden nach Ablauf der Rücktrittsfrist hier auf der Webseite bekanntgegeben.
Sollten Sie an einzelnen Tagen des o.g. Prüfungszeitraums verhindert sein, senden Sie bitte spätestens 10 Tage vorher eine Mail an norbert.fuhr@uni-due.de.

 

Description


Information Mining deals with the extraction on implicit information from raw data (Data Mining) or text (Text Mining). The goal is the development of methods for analyzing databases and discovering useful information by means of abstraction. For this pupose, machine learning methods are applied.

Lecture material


Gliederung der Vorlesung


  • Data Mining
    1. Einführung
    2. Eingabe: Konzepte, Instanzen, Attribute
    3. Ausgabe: Wissensrepräsentation
    4. Algorithmen: Die grundlegenden Methoden
    5. Glaubwürdigkeit: Auswertung des Gelernten
    6. Implementierung: Maschinelles Lernen in der Praxis
    7. Transformationen: Aufbereitung der Ein- und Ausgabe
    8. Multivariate Statistik
    9. Data Warehouses
    10. Zeitreihen
  • Text Mining
    1. Flaches Clustering
    2. Hierarchisches Clustering
    3. Optimales Clustering

Folien


Einige Folienkapitel sind aus Copyright-Gründen nur innerhalb der UDE erreichbar!

Einführung: odp pdf

Mitschriften


Weitere Übungsaufgaben