Stage-oe-small.jpg

Lehre/Praktikum Data Science & Real-time Big Data Analytics

Aus Aifbportal
Version vom 9. Mai 2017, 15:46 Uhr von Mi8866 (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Lehrveranstaltung |Lehrveranstaltungstype=Praktikum |Titel DE=Knowledge Discovery and Data Mining |Titel EN=Knowledge Discovery and Data Mining |Forschungsgrupp…“)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Wechseln zu:Navigation, Suche

Praktikum Knowledge Discovery and Data Mining

Details zur Lehrveranstaltung
Dozent(en) York Sure-VetterAchim Rettinger
Übungsleiter Steffen ThomaAditya MogadalaPatrick Philipp
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

Ziel des Praktikums KDDM ist die komplette Durchführung eines Data Mining Projekts. Dies beinhaltet die Datenaufbereitung, Modellierung, Berechnung sowie die Auswertung der MiningErgebnisse. Bewertet wird die praktische Umsetzung des Themas (Softwareentwicklung) sowie ein Abschlussvortrag und ein Bericht, der auch theoretische Grundlagen zum entsprechenden Data Mining Gebiet beinhalten soll. Beim ersten Termin wird ein Auswahl von Datensätzen und zugehörigen Aufgabe / Algorithmen vorgestellt. Außerdem werden Gruppen gebildet und Themen zu Gruppen zugeordnet. Denkbare Themen sind z.B. Empfehlungsdienste für Nachrichtenartikel; Analyse von Modellierungsunterschieden der Wikipedia Taxonomie in verschiedenen Sprachen; Zuordnung von Nachrichtenartikeln zu WikipediaKategorien; Erkennung dynamischer Fakten in der DBpedia, etc.

Die Gruppen können bei Interesse Aufgaben und Themen mitgestalten.


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.