Stage-oe-small.jpg

Lehre/Vorlesung Knowledge Discovery: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{Lehrveranstaltung |Lehrveranstaltungstype=Vorlesung |Titel DE=Knowledge Discovery |Titel EN=Knowledge Discovery |Forschungsgruppe=Wissensmanagement |Dozent=Rudi…“)
 
 
(14 dazwischenliegende Versionen von 8 Benutzern werden nicht angezeigt)
Zeile 3: Zeile 3:
 
|Titel DE=Knowledge Discovery
 
|Titel DE=Knowledge Discovery
 
|Titel EN=Knowledge Discovery
 
|Titel EN=Knowledge Discovery
|Forschungsgruppe=Wissensmanagement
+
|Forschungsgruppe=Web Science
|Dozent=Rudi Studer; Stephan Bloehdorn
+
|Dozent=Michael Färber
|Übungsleiter=Uta Lösch
+
|Übungsleiter=Tarek Saier
|LinkVVZ=https://zvwgate.zvw.uni-karlsruhe.de/qisserver/servlet/de.his.servlet.RequestDispatcherServlet?state=verpublish&status=init&vmfile=no&publishid=61442&moduleCall=webInfo&publishConfFile=webInfo&publishSubDir=veranstaltung
+
|Fach=Data Science; Maschinelles Lernen; Künstliche Intelligenz
|Inhalt=Die Vorlesung gibt einen Überblick über Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Behandelt werden u.a.: CRISP Prozessmodell und Data Warehouses, OLAP-Techniken und Visualisierung großer Datenbestände, Überwachte Lernverfahren: Entscheidungsbäume, Neuronale Netze, Support Vector Machines und Instance Ba-sed Learning, Unüberwachte Lernverfahren: Assoziationsregeln und Clustering, Text Mining.
+
|Erfolgskontrolle=Schriftliche Prüfung (idR.)
 +
|Semester=WS
 +
|LinkVVZ=http://ilias.studium.kit.edu
 +
|LinkStudierendenportal=https://campus.studium.kit.edu
 +
|Inhalt=Die Vorlesung gibt einen Überblick über Data Science Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Der Wissensgewinnungsprozess umfasst Datenrepräsentationen, Data Warehouses, OLAP-Techniken, Visualisierungen und Evaluation. Als Lernverfahren werden z.B. Neuronale Netze, Matrixfaktorisierung, Instance/Memory Based Learning, Support Vector Machines, Decision Trees, Ensemble methods, und Graphische Modelle behandelt.
 +
 
 +
 
 +
ILIAS-Kurs WS2021/22: https://ilias.studium.kit.edu/goto.php?target=crs_1614461&client_id=produktiv
 
|Literatur=Grundlegende Literatur:
 
|Literatur=Grundlegende Literatur:
 
* T. Mitchell. Machine Learning. 1997
 
* T. Mitchell. Machine Learning. 1997
Zeile 13: Zeile 20:
 
* I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005
 
* I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005
 
}}
 
}}
 +
[[Kategorie:Aktive_Lehrveranstaltung]]

Aktuelle Version vom 15. Oktober 2021, 08:15 Uhr

Vorlesung Knowledge Discovery

Details zur Lehrveranstaltung
Dozent(en) Michael Färber
Übungsleiter Tarek Saier
Fach (Gebiet) Data ScienceMaschinelles LernenKünstliche Intelligenz
Leistungspunkte ECTS
Erfolgskontrolle Schriftliche Prüfung (idR.)
Semester WS


Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal


Forschungsgruppe


Inhalt

Die Vorlesung gibt einen Überblick über Data Science Verfahren zur Wissensgewinnung aus strukturierten Daten und Texten. Der Wissensgewinnungsprozess umfasst Datenrepräsentationen, Data Warehouses, OLAP-Techniken, Visualisierungen und Evaluation. Als Lernverfahren werden z.B. Neuronale Netze, Matrixfaktorisierung, Instance/Memory Based Learning, Support Vector Machines, Decision Trees, Ensemble methods, und Graphische Modelle behandelt.


ILIAS-Kurs WS2021/22: https://ilias.studium.kit.edu/goto.php?target=crs_1614461&client_id=produktiv


Literatur

Grundlegende Literatur:

  • T. Mitchell. Machine Learning. 1997
  • M. Berhold, D. Hand (eds). Intelligent Data Analysis - An Introduction. 2003
  • I.H. Witten, E. Frank. Data Mining: Practical Machine Learning Tools and Techniques. 2005