Pflichtmodul im Studiengang Master Informatik

• Vorlesung: Montag, 10:00 - 11:30
• Übung: Montag, 12:30 - 14:00

Ziel ist der Veranstaltung ist, die Studierenden zu befähigen, mit algorithmischen Methoden Informationen aus großen Datenmengen zu gewinnen und diese Informationen zur Einordnung neuer Daten in gegebene Kategorien zu nutzen.

Inhalt

1. Probleme des Data Mining: Merkmale, Klassenstruktur, Data MiningProcess
2. Datenaufbereitung: Merkmalsbewertung, Merkmalsauswahl
3. Maschinenlernen: Lazy Learner, Support Vector Machines, Entscheidungsbäume
4. Validierung der Ergebnisse: Kreuzvalidierung, Kombination mehrerer Lerner
5. Beispiele: Web-Mining, Text-Mining, Recommender Systems

Software

Programmierung in R

Literatur

• T. Hastie/ R. Tishirani/ J. Friedman: Elements of Statistical Learning, Springer 2012
• E. Alpaydin: Introduction to Machine Learning, MIT Press 2004
• I. Witten/ E.Frank/ M. Hall: Data Mining, 3^rd edition, Morgan Kaufmann 2011
• Ch. Bishop: Pattern Recognition and Machine Learning, Springer 2006
• R.O.Duda, P.E.Hart, D.G. Stork: Pattern Classification, 2^nd edition 2001, Wiley and Sons