Lehre/Praktikum Knowledge Discovery and Data Mining/en
Aus Aifbportal
Knowledge Discovery and Data Mining
| Type of course | practical course |
| Lecturer(s) | Rudi Studer, Philipp Sorg, Uta Lösch |
| Instructor(s) | - |
| Subject | |
| Credit Points | |
| Control of Success | |
| Term | summer |
You find additional information, the time schedule and room numbers in the University Course Overview.
Course Overview http://www.uni-karlsruhe.de/info/vvz.php
Student Portal https://studium.kit.edu/sites/vab/65661
Ziel des Praktikums KDDM ist die komplette Durchführung eines Data Mining Projekts. Dies beinhaltet die Datenaufbereitung, Modellierung sowie die Auswertung der Mining-Ergebnisse.
Themen können in Gruppen bearbeitet werden. Bewertet wird die praktische Umsetzung des Themas sowie ein Abschlussvortrag und ein Bericht, der auch theoretische Grundlagen zum entsprechenden Data Mining Gebiet beinhalten soll.
Tools:
- Weka
- IBM InfoSphere Warehouse
Themen:
- Text Mining in großen Textkorpora
- Was sind interessante Terme?
- Wie sind Terme auf Dokument-Kategorien verteilt?
- Data Mining auf semi-strukturierten Daten
- Wie können die Daten sinnvoll gruppiert werden?
- Wie verändert sich Popularität über Zeit?
Korpora:
- Yahoo! Answers Korpus
- IMDB Korpus
Detaillierte Referenzen werden zusammen mit den jeweiligen Themen angegeben. Allgemeine Hintergrundinformationen ergeben sich z.B. aus den folgenden Lehrbüchern:
- Mitchell, T.; Machine Learning, McGraw Hill, 1997.
- Cook, D.J. and Holder, L.B. (Editors) Mining Graph Data, ISBN: 0-471-73190-0, Wiley,
- Manning, C. and Schütze, H.; Foundations of Statistical NLP, MIT Press, 1999.
