Methoden und Anwendungen des Data Mining -
Methods and Applications of Data Mining

Adressaten:

Studierende im Vertiefungsstudium im Bachelor-Studiengang Information Engineering
Studierende im Master-Studiengang Information Engineering

Angebot im Lehr-Export:

• Lehramt, Zusatzfach Informatik
• Mathematik Nebenfach oder Schwerpunkt Informatik
• Psychologie Wahlpflichtfach Information Engineering
• Verwaltungswissenschaft, benachbartes Fach
• Wirtschaftspädagogik Doppelwahlpflichtfach Information Engineering

Inhalt:

Data Mining ist als Schlagwort in aller Munde. Die Unternehmen sammeln immer mehr Daten, aber aus diesen Daten mittels klassischer Methoden Nutzen zu ziehen, gelingt nicht. Data Mining hat den Anspruch, aus diesen großen Datenmengen interessante Zusammenhänge zu extrahieren. In der Praxis werden diese genutzt, um durch das gewonnene Wissen Wettbewerbsvorteile zu realisieren. Neben der Einführung der wichtigsten Algorithmen zum Data Mining werden auch Besonderheiten beim praktischen Einsatz dieser Techniken vermittelt.

• Einführung: Definition und Abgrenzung
• Data-Mining-Prozess
• Problemdefinition
• Datenaufbereitung
• Interessantheitsmaß und Suchstrategie
• Gütemasse, Bias und Varianzproblem
• Data-Mining-Verfahren:
  • Clustering
  • Balck-Box-Klassifikationsverfahren
  • Entscheidungsbäume
  • ILP
  • Discovery-Algorithmen
  • Assoziationsregeln
  • Sequenzen - Web Mining
  • Text Mining
• Anwendungsfelder:
  • Typische Fahrzeugkonfigurationen
  • Kündigungsanalyse
  • Mailscoring
  • Missbrauchsanalyse
  • Web Usage Mining
  • Web Content Mining
  • E-Mail Routing
• Tools

Literatur:

Eibe, Frank/Witten Ian H.: Data Mining. Hanser Verlag, 2000
Berry, Michael/Linoff, Gordon: Mastering Data Mining. John Wiley & Sons, 1999

Leistungsnachweis:

Klausur

Leistungspunkte: