Stage-oe-small.jpg

Lehre/Seminar Knowledge Discovery and Data Mining: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{Lehrveranstaltung |Lehrveranstaltungstype=Praktikum |Titel DE=Knowledge Discovery and Data Mining |Titel EN=Knowledge Discovery and Data Mining |Forschungsgrupp…“)
 
Zeile 7: Zeile 7:
 
|Übungsleiter=-
 
|Übungsleiter=-
 
|Semester=SS
 
|Semester=SS
 +
|LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php
 +
|LinkStudierendenportal=https://studium.kit.edu
 
|Inhalt=Im Seminar/Praktikumwerden Themen aus dem Bereich Knowledge Discovery behandelt.  
 
|Inhalt=Im Seminar/Praktikumwerden Themen aus dem Bereich Knowledge Discovery behandelt.  
 
Das Seminar behandelt dabei jedes Semester einen anderes Vertiefungsgebiet, z.B.:  
 
Das Seminar behandelt dabei jedes Semester einen anderes Vertiefungsgebiet, z.B.:  

Version vom 15. Januar 2010, 09:37 Uhr

Praktikum Knowledge Discovery and Data Mining

Details zur Lehrveranstaltung
Dozent(en) Rudi StuderPhilipp SorgUta 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


Forschungsgruppe


Inhalt

Im Seminar/Praktikumwerden Themen aus dem Bereich Knowledge Discovery behandelt. Das Seminar behandelt dabei jedes Semester einen anderes Vertiefungsgebiet, z.B.:

  • Text Mining,
  • Lernen von Ontologien und Informationsextraktion,
  • Induktive Logikprogrammierung,
  • Lernen mit Hintergrundwissen.

Die Themen sind in der Regel als Seminarthema + praktische Arbeit zur Anerkennung als Seminar/Praktikum ausgestaltet. In einzelnen Fällen ist auch die Anerkennung nur als Seminar (ohne praktische Arbeit) möglich. Details werden jedes Semester bekannt gegeben.


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.
  • 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.