Proseminar (Grundstudium)
Proseminar Data Mining
Prof. Dr. Stefan Wrobel
Dr. Edda Leopold
Ingo Schwab
Unter dem Begriff Data Mining werden eine Reihe von Techniken und Methoden zusammengefasst, die dazu dienen, verborgene Strukturen in großen Datenmengen aufzuspüren. Zu diesem Zwecke nutzt Data Mining Verfahren des maschinellen Lernens und geht dabei über die traditionelle statistische Analyse hinaus. Aufgrund der ständig wachsenden Datenmengen, die in den unterschiedlichsten Lebensbereichen erhoben und erzeugt werden entsteht ein zunehmender Bedarf an Werkzeugen zur Entdeckung von Mustern und Strukturen in eben diesen Daten. Damit erhält das Data Mining eine zunehmende Relevanz in Wirtschaft, Wissenschaft und Alltag.
In dem Proseminar werden grundlegende Prinzipien und Verfahren des Data Mining erarbeitet. Die erlernten Verfahren werden mit Hilfe eines Data Mining Toolkits praktisch umgesetzt.
Ansprechpartner
• Prof. Dr. Stefan Wrobel Raum A117, Tel.: 73-4391, Email: wrobel@cs.uni-bonn.de
• Dr. Edda Leopold Raum A117, Tel.: 73-4391, Email: edda.leopold@ais.fraunhofer.de (Fraunhofer AIS, Schloss Birlinghoven, St. Augustin Raum C1-102, Tel.: 02241/14 2872)
• Dipl. Inf. Ingo Schwab Raum A117, Tel.: 73-4391, Email: schwab@cs.uni-bonn.de (Fraunhofer AIS, Schloss Birlinghoven, St. Augustin Raum C1-102, Tel.: 02241/14 2668)
Vortragsthemen 23.4. Einführung und Vortragstechniken von Stefan Wrobel 30.4. Überblick über das Weka Data Mining Toolkit (Konzepte, Instanzen, Attribute) 7.5. Lineare Regression, lokalgewichtete Regression 14.5. Entscheidungsbäume C4.5 21.5. Stochastische Unabhängigkeit, Naïve Bayes 28.5. Bedingte Wahrscheinlichkeit, Bayessche Netze 11.6. Neuronale Netze 18.6. Support Vector Machines 25.6. k-nearest neighbour 2.7. k-Mittelwerte Clustering 9.7. Wahrscheinlichkeitsbasiertes Clustering 16.7. Regellernen 23.7. Assoziationsregeln 30.7. Boosting
| Zeit, Ort | Fr 9-11, SR A301 |
| Beginn | 23.4.2004 |
| Vorbesprechung | 6.2.2004, 15.15 Uhr HS A121 |
| Teilnehmerzahl | 25 |
| Vortragsmodus | Einzelvortrag (45 Minuten) schriftliche Ausarbeitung, regelmäßige Anwesenheit |
| Voraussetzungen | Es müssen auch Englische Texte gelesen werden können |
| Literatur | Witten, Ian H. & Frank, Eibe (2001): Data Mining, Carl Hauser: München, Wien. Mitchel, M. M. (1997): Machine Learning, McGraw Hill: Boston et al. |
| Informationen im WWW | http://www-kd.iai.uni-bonn.de/ |
|
Übersicht: alle Semester
Proseminar XML-Technologien
Proseminar Neuronale Netze