Big Data Analytics (Wintersemester 2016/2017)

Dozent:
Website zum Kurs:

Allgemeine Information

• Semesterwochenstunden: 4
• ECTS: 6
• Benotet: Ja
• Einschreibefrist: 28.10.2016
• Lehrform: VU
• Belegungsart: Wahlpflichtmodul

Studiengänge, Modulgruppen & Module

Beschreibung

In der Vorlesung werden grundlegende Kenntnisse im Bereich der Datenanalyse vermittelt.  Techniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum an Anwendungen ist breit und umfasst sowohl wirtschaftliche als auch wissenschaftliche Datenbestände: Klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, sowie Natur- und Ingenieurswissenschaften. In allen Bereichen besteht der Wunsch aus sehr großen Datenbeständen interessante Zusammenhänge zu extrahieren. In der Vorlesung geht es sowohl um die Aufbereitung von großen Datenbeständen als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Data Mining Techniken für die Analyse an sich. In der Vorlesung werden anhand von aktuellen Anwendungen die grundlegenden Data Mining Problemstellungen aufgezeigt. Der Schwerpunkt der Vorlesung liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereiche verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.

Literatur

• Data Mining: Concepts and Techniques (3rd edition): Jiawei Han, Micheline Kamber, Jian Pei, Morgan Kaufmann Publishers 2011  (online verfügbar)

• Data Mining and Analysis, Fundamental Concepts and Algorithms: Mohammed

J. Zaki, Wagner Meira JR., Campridge University Press 2014  (online verfügbar)

• Introduction to Data Mining: Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Addison-Wesley 2006

• Knowledge Discovery in Databases: Martin Ester, Jörg Sander, Springer 2000

Lern- und Lehrformen

Vorlesung und begleitende Übung.

Leistungserfassung

Bei geringer Teilnehmerzahl wird mündlich geprüft, anderenfalls Klausur; Es wird mind. 6 Wochen vor Prüfungstermin angekündigt; 

Termine

Die Klausur findet am 22. Februar um 9.00 Uhr statt.

Zurück