Lehre/Vorlesung Knowledge Discovery: Unterschied zwischen den Versionen
Aus Aifbportal
Oi1299 (Diskussion | Beiträge) |
Ne2260 (Diskussion | Beiträge) |
||
Zeile 15: | Zeile 15: | ||
* I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005 | * I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005 | ||
}} | }} | ||
+ | [[Kategorie:Aktive_Lehrveranstaltung]] |
Version vom 7. Oktober 2015, 09:58 Uhr
Vorlesung Knowledge Discovery
Details zur Lehrveranstaltung
Dozent(en) | Rudi Studer, Achim Rettinger |
Übungsleiter | Lei Zhang |
Fach (Gebiet) | |
Leistungspunkte | ECTS |
Erfolgskontrolle | |
Semester | WS |
Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal
Forschungsgruppe
Inhalt
Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Der Data-Mining-Prozess umfasst Datenrepräsentationen, Data Warehouses, OLAP-Techniken, Visualisierungen und Evaluation. Als Lernverfahren werden z.B. Neuronale Netze, Matrixfaktorisierung, Instance/Memory Based Learning, Support Vector Machines, Decision Trees, Ensemble methods, und Graphische Modelle behandelt.
Literatur
Grundlegende Literatur:
- T. Mitchell. Machine Learning. 1997
- M. Berhold, D. Hand (eds). Intelligent Data Analysis - An Introduction. 2003
- I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005