Stage-oe-small.jpg

Prüfung/Seminare/SS2012/KD: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{HideHeading1}}{{Überschrift|Knowledge Discovery and Data Mining}}<menu>SeminarePraktika</menu> {{Rubrik|Beschreibung}} {{Rubrik|Dozenten}} * [[Rudi Studer|Pr…“)
 
Zeile 1: Zeile 1:
 
{{HideHeading1}}{{Überschrift|Knowledge Discovery and Data Mining}}<menu>SeminarePraktika</menu>
 
{{HideHeading1}}{{Überschrift|Knowledge Discovery and Data Mining}}<menu>SeminarePraktika</menu>
 
{{Rubrik|Beschreibung}}
 
{{Rubrik|Beschreibung}}
 +
Ziel des Praktikums KDDM ist die komplette Durchführung eines Data Mining Projekts. Dies beinhaltet die Datenaufbereitung, Modellierung, Berechnung sowie die Auswertung der Mining-Ergebnisse. 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 Wikipedia-Kategorien;
 +
Erkennung dynamischer Fakten in der DBpedia, etc.
 +
 +
Die Gruppen können bei Interesse Aufgaben und Themen mitgestalten.
  
  
Zeile 11: Zeile 19:
 
{{Rubrik|Termine und Anmeldung}}
 
{{Rubrik|Termine und Anmeldung}}
 
Das erste Seminartreffen findet am Donnerstag, 19.04.2011, 17:30 in Raum 202 am Institut AIFB (Gebäude 11.40, Dachgeschoss) statt. Die anderen Termine finden als Blockseminar statt.
 
Das erste Seminartreffen findet am Donnerstag, 19.04.2011, 17:30 in Raum 202 am Institut AIFB (Gebäude 11.40, Dachgeschoss) statt. Die anderen Termine finden als Blockseminar statt.
 +
Dazwischen gibt es je nach Bedarf gruppen-individuelle Betreuungstreffen.
 +
 +
 +
Die Anwesenheit beim ersten Termin verpflichtet nicht zur Teilnahem am Praktikum.
 +
  
 
Bei Fragen oder Problem, wenden Sie sich bitte an [[Achim Rettinger]] oder [[Julia Hoxha]].
 
Bei Fragen oder Problem, wenden Sie sich bitte an [[Achim Rettinger]] oder [[Julia Hoxha]].
  
 
{{Rubrik|Literatur}}
 
{{Rubrik|Literatur}}
t.b.a.
+
 
 +
Detaillierte Referenzen werden zusammen mit den jeweiligen Themen angegeben. Allgemeine Hintergrundinformationen ergeben sich z.B. aus dem folgenden Lehrbuch:
 +
http://www-stat.stanford.edu/~tibs/ElemStatLearn/

Version vom 27. Februar 2012, 20:16 Uhr

=Knowledge Discovery and Data Mining=

Beschreibung

Ziel des Praktikums KDDM ist die komplette Durchführung eines Data Mining Projekts. Dies beinhaltet die Datenaufbereitung, Modellierung, Berechnung sowie die Auswertung der Mining-Ergebnisse. 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 Wikipedia-Kategorien; Erkennung dynamischer Fakten in der DBpedia, etc.

Die Gruppen können bei Interesse Aufgaben und Themen mitgestalten.


Dozenten


Termine und Anmeldung

Das erste Seminartreffen findet am Donnerstag, 19.04.2011, 17:30 in Raum 202 am Institut AIFB (Gebäude 11.40, Dachgeschoss) statt. Die anderen Termine finden als Blockseminar statt. Dazwischen gibt es je nach Bedarf gruppen-individuelle Betreuungstreffen.


Die Anwesenheit beim ersten Termin verpflichtet nicht zur Teilnahem am Praktikum.


Bei Fragen oder Problem, wenden Sie sich bitte an Achim Rettinger oder Julia Hoxha.


Literatur

Detaillierte Referenzen werden zusammen mit den jeweiligen Themen angegeben. Allgemeine Hintergrundinformationen ergeben sich z.B. aus dem folgenden Lehrbuch: http://www-stat.stanford.edu/~tibs/ElemStatLearn/