Teaching personnel

Lecturer

• Prof. Dr.-Ing. Norbert Fuhr

Tutor(s)

• Dipl.-Inform. Vu Tran
• Dipl.-Inform. Marc Lechtenfeld

Formalia

Targeted audience

• Angewandte Informatik Master
• Komedia Master
• ISE Master
• BWL Master with 2+1 hours per week and 4 credit points : nur Data-Mining-Teil

Dates

Examination Dates

Die Einzeltermine werden nach Ablauf der Rücktrittsfrist (1 Woche) 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

• Der Data-Mining-Teil basiert auf dem Lehrbuch 'Data Mining' von Ian Witten und Eibe Frank. Die Buchkapitel sind aus dem Universitätsnetz online als PDF abrufbar.
• Clustering-Tutorial und Demo
• Video Lecture: Learning with Probabilities
• Weiterführende Literatur:
  • Thomas A. Runkler; Data Mining. Vieweg+Teubner 2009
  • Trevor Hastie, Robert Tibshirani, Jerome Friedman: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009 Series in Statistics

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
• Zeitreihen
• Text Mining
• Graph Mining
• Process Mining

Folien

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

Einführung: odp pdf

• Data Mining
  • Kapitel 1: odp pdf
  • Kapitel 2: odp pdf
  • Kapitel 3: odp pdf
  • Kapitel 4: odp pdf
    • Bayes'sche Netzwerke: odp pdf
  • Multivariate Statistik
  • Kapitel 5: odp pdf
  • Kapitel 6: odp pdf
  • Kapitel 7: odp pdf
  • Random Forests: pdf
  • Data Warehouse: odp pdf
• Zeitreihen
  • Einführung odp pdf
  • Mining Sequential Patterns: ppt pdf
• Graph Mining
  • Graph Mining Techniques: 1:1 4:1

• Data Mining slides in English:
  1. Chapter 1: odp pdf handout
  2. Chapter 2: odp pdf handout
  3. Chapter 3: odp pdf handout
  4. Chapter 4: odp pdf handout
  5. Chapter 5: odp pdf handout
  6. Chapter 6: odp pdf handout
  7. Chapter 7: odp pdf handout

Mitschriften

• 12.11.13

Übungen

• Übungsblatt 1
• Übungsblatt 2
• Übungsblatt 3
• Übungsblatt 4
• Übungsblatt 5
• Übungsblatt 6
• Übungsblatt 7
• Übungsblatt 8
• Übungsblatt 9
• Übungsblatt 10
• Übungsblatt 11

Hilfreiche Links zu RapidMiner

• RapidMiner-Download bei Rapid-I oder Sourceforge
• RapidMiner-Dokumentation
• Video-Tutorials
• Pressemeldung: Datamining: RapidMiner liegt vorn

Weitere Übungsaufgaben

• Beispiel-Übungsaufgaben
• Beispiel-Fragen für die mündliche Prüfung
  (beachten Sie hierzu auch die Wiederholungs-Folien )