Stage-oe-small.jpg

Lehre/Vorlesung Knowledge Discovery: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 4: Zeile 4:
 
|Titel EN=Knowledge Discovery
 
|Titel EN=Knowledge Discovery
 
|Forschungsgruppe=Wissensmanagement
 
|Forschungsgruppe=Wissensmanagement
|Dozent=Rudi Studer; Stephan Bloehdorn
+
|Dozent=Rudi Studer; Achim Rettinger; Tran Thanh
|Übungsleiter=Uta Lösch
+
|Übungsleiter=Julia Hoxha
 
|Semester=WS
 
|Semester=WS
 
|LinkVVZ=https://zvwgate.zvw.uni-karlsruhe.de/qisserver/servlet/de.his.servlet.RequestDispatcherServlet?state=verpublish&status=init&vmfile=no&publishid=61442&moduleCall=webInfo&publishConfFile=webInfo&publishSubDir=veranstaltung
 
|LinkVVZ=https://zvwgate.zvw.uni-karlsruhe.de/qisserver/servlet/de.his.servlet.RequestDispatcherServlet?state=verpublish&status=init&vmfile=no&publishid=61442&moduleCall=webInfo&publishConfFile=webInfo&publishSubDir=veranstaltung
|Inhalt=Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Behandelt werden u.a.: CRISP Prozessmodell und Data Warehouses, OLAP-Techniken und Visualisierung großer Datenbestände, Überwachte Lernverfahren: Entscheidungsbäume, Neuronale Netze, Support Vector Machines und Instance Ba-sed Learning, Unüberwachte Lernverfahren: Assoziationsregeln und Clustering, Text Mining.
+
|LinkStudierendenportal=https://studium.kit.edu
 +
|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:
 
|Literatur=Grundlegende Literatur:
 
* T. Mitchell. Machine Learning. 1997
 
* T. Mitchell. Machine Learning. 1997

Version vom 28. Dezember 2012, 12:16 Uhr

Vorlesung Knowledge Discovery

Details zur Lehrveranstaltung
Dozent(en) Rudi StuderAchim RettingerTran Thanh
Übungsleiter Julia Hoxha
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