Hasso-Plattner-Institut
Hasso-Plattner-Institut
  
Login
  • de
 

Big Data Analytics (Wintersemester 2017/2018)

Dozent: Prof. Dr. Emmanuel Müller (Knowledge Discovery and Data Mining)
Website zum Kurs: https://hpi.de/mueller/lehre.html

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

Leistungserfassung

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

Termine

Die Vorlesung findet 2x wöchentlich statt:

  • Mittwochs 15:15 Uhr - 16:45 Uhr (HS1)
  • Freitags 09:15 Uhr - 10:45 Uhr (HS3)

Eine Übung findet in regelmäßigen Abständen Freitags in der Vorlesung statt. Eine Information, welche Termine für die Übung genutzt werden, wird rechtzeitig bekannt gegeben.

Allgemeine Information

  • Semesterwochenstunden : 4
  • ECTS : 6
  • Benotet : Ja
  • Einschreibefrist : 27.10.2017
  • Programm : IT-Systems Engineering BA
  • Lehrform : VU
  • Belegungsart : Wahlpflicht

Module

  • Business Process & Enterprise Technologies
  • Operating Systems & Information Systems Technology
  • Datenbanksysteme
  • BPET-Grundlagen
  • BPET-Vertiefung
  • OSIS-Grundlagen
  • OSIS-Vertiefung

Zurück