Data Mining Techniken in Theorie und Praxis
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 2 Tage
Ziele
In diesem Kurs erhalten Sie eine Einführung in die theoretischen Grundlagen des Data Mining sowie in relevante praktische Aspekte.
Zielgruppe
- Anwender
- Entscheidungsträger
- Entwickler
- Administratoren
Voraussetzungen
Grundkenntnisse von Computerprogrammen und der Mathematik
Agenda
Maschinelles Lernen
- Entscheidungsbäume
- Regellernen
- Neuronale Netze
- Nächste Nachbarn
- Bayes Lernen
- Support Vector Machines
- Diskussion der algorithmischen Hintergründe
- theoretische Eigenschaften der Verfahren
Meta Lernen
- Bagging
- Boosting
Vorverarbeitung
- Automatisierte Merkmalsauswahl
- Automatisierte Merkmalsgenerierung
- Diskretisierung
- Normalisierung
- Stichprobenauswahl (Sampling)
Modellvalidierung
- Einführung in Performanzkriterien
- Kreuzvalidierung
- Bootstrapping
Visualisierung
- Hochdimensionale Datenvisualisierungen
- ROC Kurven
- Selbstorganisierende Karten (SOM)
Ausführliche Übungen auf verschiedenen Datensätzen
Ziele
In diesem Kurs erhalten Sie eine Einführung in die theoretischen Grundlagen des Data Mining sowie in relevante praktische Aspekte.
Zielgruppe
- Anwender
- Entscheidungsträger
- Entwickler
- Administratoren
Voraussetzungen
Grundkenntnisse von Computerprogrammen und der Mathematik
Agenda
Maschinelles Lernen
- Entscheidungsbäume
- Regellernen
- Neuronale Netze
- Nächste Nachbarn
- Bayes Lernen
- Support Vector Machines
- Diskussion der algorithmischen Hintergründe
- theoretische Eigenschaften der Verfahren
Meta Lernen
- Bagging
- Boosting
Vorverarbeitung
- Automatisierte Merkmalsauswahl
- Automatisierte Merkmalsgenerierung
- Diskretisierung
- Normalisierung
- Stichprobenauswahl (Sampling)
Modellvalidierung
- Einführung in Performanzkriterien
- Kreuzvalidierung
- Bootstrapping
Visualisierung
- Hochdimensionale Datenvisualisierungen
- ROC Kurven
- Selbstorganisierende Karten (SOM)