Data Warehousing und Knowledge Discovery in Databases (DWKDD)5 ECTS
(englische Bezeichnung: Data Warehousing and Knowledge Discovery in Databases)

Lehrveranstaltungen:

• Ausschlussbedingung: Dieses Modul darf nur abgelegt werden, wenn keine der im Modul enthaltenen Lehrveranstaltungen auch noch in einem anderen Modul enthalten ist, das bereits abgelegt wurde.

  • Knowledge Discovery in Databases
    (Vorlesung, 2 SWS, Klaus Meyer-Wegener, Mo, 16:00 - 17:30, K2-119)
  • Data Warehousing
    (Vorlesung, 2 SWS, Thomas Ruf, Do, 16:45 - 18:15, LG 0.142 (98 Plätze), (außer Do 24.5.2018); Die erste Veranstaltung findet am 12.04.2018 statt.)

Empfohlene Voraussetzungen:

siehe Lehrveranstaltungen

Inhalt:

siehe Lehrveranstaltungen

Lernziele und Kompetenzen:

siehe Lehrveranstaltungen

Fachkompetenz

Wissen

KDD: Die Studierenden

• kennen den typischen KDD-Prozess;

• kennen Verfahren zur Vorbereitung von Daten für das Data Mining;

• wissen, wie ein typisches Data Warehouse aufgebaut ist;

• kennen die Definition von Distanz- bzw. Ähnlichkeitsfunktionen für die verschiedenen Typen von Attributen;

• sind vertraut mit dem Prinzip des Apriori-Algorithmus zur Bestimmung von Mengen häufiger Elemente (frequent itemsets);

• kennen den FP-Growth-Algorithmus zum schnellen Auffinden von Mengen häufiger Elemente;

• können die Definitionen von Support und Confidence für Assoziationsregeln wiedergeben;

• können die Ermittlung von Assoziationsregeln auf der Basis von Mengen häufiger Ele-mente beschreiben;

• sind in der Lage, die Vorgehensweise bei Klassifikationsaufgaben wiederzugeben;

• können darlegen, wie ein Entscheidungsbaum auf einem Trainingsdatensatz erzeugt wird;

• können das Prinzip der Bayes'schen Klassifikation darstellen;

• können verschiedene Clustering-Verfahren aufzählen;

• können den Ablauf von k-Means-Clustering beschreiben;

• kennen die verschiedenen Arten von Ausreißern.
  

Verstehen

KDD: Die Teilnehmer können

• Distanz- oder Ähnlichkeits-Funktionen auf einem speziellen Datenbestand defi-nieren;

• Attribute eines Datensatzes auf ihre Bedeutung für die Analyse hin überprüfen und ggf. Attributwerte geeignet transformieren.
  

Lern- bzw. Methodenkompetenz

KDD:
Die Studierenden

• müssen ein hohes Maß an Eigeninitiative zur Aneignung des Stoffes mitbringen und werden darin bestärkt;

• müssen die englische Sprache so weit beherrschen, dass sie der Vorlesung folgen können;

• verwenden gezielt ein Lehrbuch zur Vorlesung;

• bekommen zahlreiche Hinweise auf zugrundeliegende Literatur, die sie bei Bedarf heraussuchen und durcharbeiten müssen.
  

Selbstkompetenz

KDD:
Die Teilnehmer

• müssen ggf. fehlendes Vorwissen selbständig nacharbeiten (falls sie diese Lehrveranstaltung trotzdem wählen);

• müssen sich selbst die Zeit für die Vor- und Nachbereitung des Stoffs einteilen.
  

Sozialkompetenz

KDD:
Die Teilnehmer

• eignen sich den Stoff in einer Gruppe mit extrem verschiedenen Hintergründen an;

• brauchen das Gespräch mit anderen Teilnehmern zur Aneignung des Stoffs;

• müssen sich in der Diskussion auch selbst der englischen Sprache bedienen.
  

Literatur:

siehe Lehrveranstaltungen

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Informatik (1. Staatsprüfung für das Lehramt an Gymnasien)
   (Po-Vers. 2007 | TechFak | Informatik (1. Staatsprüfung für das Lehramt an Gymnasien) | Module Fachwissenschaft Informatik | Wahlpflichtbereich Informatik Gymnasium | Wahlpflichtmodul Informatik Gymnasium)
2. Informatik (Master of Science)
   (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Wahlpflichtbereich | Säule der softwareorientierten Vertiefungsrichtungen | Vertiefungsrichtung Datenbanksysteme)
3. International Information Systems (IIS) (Master of Science)
   (Po-Vers. | ReWiFak | International Information Systems (IIS) (Master of Science) | Masterprüfung | Informatics | Informatics Electives | Data Management II)
4. International Information Systems (IIS) (Master of Science)
   (Po-Vers. 2014w | ReWiFak | International Information Systems (IIS) (Master of Science) | Informatics | Informatics Electives | Data Management II)
5. Mathematik (Bachelor of Science): 5-. Semester
   (Po-Vers. 2007 | NatFak | Mathematik (Bachelor of Science) | alte Prüfungsordnungen | Bachelorprüfung | Vertiefungsmodule Mathematik (Nebenfach Informatik))
6. Mathematik (Bachelor of Science): 5-. Semester
   (Po-Vers. 2009 | NatFak | Mathematik (Bachelor of Science) | Nebenfach Informatik | Module im 2. und 3. Studienjahr | Vertiefungsmodule Mathematik (Nebenfach Informatik))

Studien-/Prüfungsleistungen:

Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 743223)

(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [2], [3], [4])

Prüfungsleistung, mehrteilige Prüfung, benotet

Anteil an der Berechnung der Modulnote: 100.0 %

weitere Erläuterungen:
Die Bewertung der Prüfungsleistung setzt sich zusammen aus 1/2 Note der Klausur in Data Warehousing (von etwa 60 Minuten Dauer) und 1/2 Note der mündlichen Prüfung in KDD (von etwa 30 Minuten Dauer). Zum Bestehen der Modulprüfungen müssen beide Teilprüfungen bestanden werden.

Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019 (nur für Wiederholer)

1. Prüfer:

Meyer-Wegener/Ruf

Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 228988)

(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [5], [6])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet

Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019

1. Prüfer:

Klaus Meyer-Wegener

Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 824544)

(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [1])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet

Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019

1. Prüfer:

Klaus Meyer-Wegener