052311 VU Data Mining (2017W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Sa 09.09.2017 09:00 bis So 24.09.2017 23:59
- Abmeldung bis So 15.10.2017 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Donnerstag
05.10.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
12.10.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
19.10.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
09.11.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
16.11.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
23.11.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
30.11.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
07.12.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
14.12.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
11.01.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
18.01.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Donnerstag
25.01.
08:00 - 11:15
Seminarraum 6, Währinger Straße 29 1.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Aktive Mitarbeit
Bearbeitung von Übungsblättern
Bearbeitung von Programmieraufgaben in Gruppen
Gegenseitige Beurteilung
Abschlusstest
Bearbeitung von Übungsblättern
Bearbeitung von Programmieraufgaben in Gruppen
Gegenseitige Beurteilung
Abschlusstest
Mindestanforderungen und Beurteilungsmaßstab
Teilnahmevoraussetzung: FDA oder Nachweis von entsprechenden Vorkenntnissen
FDA: 052300 VU Foundations of Data Analysis20% Übungsblätter
40% Programmierübungen im Team, sowie gegenseitige Beurteilung
40% Abschlusstest
Anwesenheit ist Pflicht>87,00 % 1
zwischen 75,00 % und 86,99 %: 2
zwischen 63,00 % und 74,99 %: 3
zwischen 50,00 % und 62,99 %: 4
< 50% : 5
FDA: 052300 VU Foundations of Data Analysis20% Übungsblätter
40% Programmierübungen im Team, sowie gegenseitige Beurteilung
40% Abschlusstest
Anwesenheit ist Pflicht>87,00 % 1
zwischen 75,00 % und 86,99 %: 2
zwischen 63,00 % und 74,99 %: 3
zwischen 50,00 % und 62,99 %: 4
< 50% : 5
Prüfungsstoff
- Feature selection
- Dimensionality reduction
- Clustern von Hochdimensionalen Daten (Subspace Clustering)
- Similarity learning,
- Large Object Cardinalities
- Distributed and Parallel Data Mining
- Privacy Preserving Data Mining
- Sampling and Summarization
- Similarity learning
- Micro-Clustering
- Datastreams (Clustering/Classification)
- Ensables and Multiview-Learning
- Dimensionality reduction
- Clustern von Hochdimensionalen Daten (Subspace Clustering)
- Similarity learning,
- Large Object Cardinalities
- Distributed and Parallel Data Mining
- Privacy Preserving Data Mining
- Sampling and Summarization
- Similarity learning
- Micro-Clustering
- Datastreams (Clustering/Classification)
- Ensables and Multiview-Learning
Literatur
Han J., Kamber M., Pei J. Data Mining: Concepts and Techniques
Tan P.-N., Steinbach M., Kumar V. Introduction to Data Mining
Ester M., Sander J. Knowledge Discovery in Databases: Techniken und Anwendungen
Tan P.-N., Steinbach M., Kumar V. Introduction to Data Mining
Ester M., Sander J. Knowledge Discovery in Databases: Techniken und Anwendungen
Zuordnung im Vorlesungsverzeichnis
Module: DM
Letzte Änderung: Mo 07.09.2020 15:30
- wissenschaftliche Daten analysieren und interpretieren,
- Ergebnisse der Analyse bewerten,
- Skalierbare Lösungen für große Datenmengen auswählen und implementieren,
- Anwender unterstützen und beraten.Überfachliche Ziele
- Teamarbeit,
- Verbesserung der Programmierkenntnisse,
- Verständnis für Zusammenspiel von Data Mining und anderen Disziplinen.