UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 Lehr-
veranstaltungen
   Personen/
Einrichtungen
   Räume   Forschungs-
bericht
   Publi-
kationen
   Internat.
Kontakte
   Examens-
arbeiten
   Telefon &
E-Mail
 
 
 Darstellung
 
Druckansicht

 
 
 Außerdem im UnivIS
 
Vorlesungs- und Modulverzeichnis nach Studiengängen

Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Einrichtungen >> Technische Fakultät (TF) >> Department Informatik (INF) >> Lehrstuhl für Informatik 6 (Datenmanagement) >>

  Knowledge Discovery in Databases (KDD)

Dozentinnen/Dozenten
Dominik Probst, M. Sc., Melanie Bianca Sigl, M. Sc.

Angaben
Vorlesung
Online
2 SWS
nur Fachstudium, Sprache Englisch
Zeit: Mo 10:15 - 11:45, Zoom-Meeting

Studienfächer / Studienrichtungen
WPF INF-MA ab 2
WPF INF-LAG 4-6
WPF INF-LAR 4-6
WPF INF-BA 4-6
WF M-BA 4-6
WPF DS-BA ab 3
WPF DS-MA ab 1
WPF IIS-MA 2-3
WF MT-MA-BDV ab 1

Voraussetzungen / Organisatorisches
  • Konzeptionelle Modellierung

Inhalt
1. Introduction
2. Data
3. Preprocessing
4. Data Warehousing and Online Analytical Processing
5. Mining Frequent Patterns, Associations and Correlations
6. Classification
7. Cluster Analysis
8. Outlier Analysis

Empfohlene Literatur
The lecture is based on the following book:
  • J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2011, ISBN: 0123814790

Also interesting and related textbooks are:

  • A. Géron, Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems, 2nd ed. O’Reilly Media, 2017, ISBN: 978-1491962299

  • H. Du, Data Mining Techniques and Applications: An Introduction. Cengage Learning EMEA, May 2010, p. 336, ISBN: 978-1844808915

  • I. H. Witten, E. Frank, M. A. Hall, et al., Data Mining, Fourth Edition: Practical Machine Learning Tools and Techniques, 4th. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2016, ISBN: 0128042915

ECTS-Informationen:
Title:
Knowledge Discovery in Databases

Prerequisites
  • Conceptual Modeling

Contents
1. Introduction
2. Data
3. Preprocessing
4. Data Warehousing and Online Analytical Processing
5. Mining Frequent Patterns, Associations and Correlations
6. Classification
7. Cluster Analysis
8. Outlier Analysis

The students will learn about:

  • the particular challenges of data mining on large sets of data

  • the technologies available for data analysis

  • the process of data mining

  • applications

Literature
  • Han, Jiawei ; Kamber, Micheline ; Pei, Jian: Data Mining: Concepts and Techniques. 3rd ed. Waltham, MA : Morgan Kaufmann, 2012 (The Morgan Kaufmann Series in Data Management Systems). - ISBN 978-0-12-381479-1 (copies are available in the TNZB)
  • Du, Hongbo: Data Mining Techniques and Applications. Andover, UK : Cengage Learning, 2010

  • Witten, Ian H. ; Frank, Eibe ; Hall, Mark A.: Data Mining. Practical Machine Learning Tools and Techniques. 3rd ed. Burlington, MA : Morgan Kaufmann, 2011 (The Morgan Kaufmann Series in Data Management Systems). - ISBN 978-0-12-3748569-0

Zusätzliche Informationen
Schlagwörter: Data Mining, KDD
Erwartete Teilnehmerzahl: 200

Zugeordnet zu: Übungen zu KDD

Verwendung in folgenden UnivIS-Modulen
Startsemester SS 2022:
Knowledge Discovery in Databases (KDD)
Knowledge Discovery in Databases mit Übung (KDDmUe)

UnivIS ist ein Produkt der Config eG, Buckenhof