Lehre/Seminar Knowledge Discovery and Data Mining: Unterschied zwischen den Versionen
Dhe (Diskussion | Beiträge) |
Pso (Diskussion | Beiträge) |
||
| Zeile 8: | Zeile 8: | ||
|Semester=SS | |Semester=SS | ||
|LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php | |LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php | ||
| − | |LinkStudierendenportal=https://studium.kit.edu | + | |LinkStudierendenportal=https://studium.kit.edu/sites/vab/65661 |
| − | |Inhalt= | + | |Inhalt=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 | ||
|Literatur=Detaillierte Referenzen werden zusammen mit den jeweiligen Themen angegeben. Allgemeine Hintergrundinformationen ergeben sich z.B. aus den folgenden Lehrbüchern: | |Literatur=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. | * Mitchell, T.; Machine Learning, McGraw Hill, 1997. | ||
Version vom 3. Februar 2010, 13:27 Uhr
Praktikum Knowledge Discovery and Data Mining
| Dozent(en) | Rudi Studer, Philipp Sorg, Uta Lösch |
| Übungsleiter | - |
| Fach (Gebiet) | |
| Leistungspunkte | ECTS |
| Erfolgskontrolle | |
| Semester | SS |
Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal
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.