Data Mining Techniken in Theorie und Praxis

Ziele

Sie erhalten einen fundierten Überblick und eine kompakte Einführung in wichtige Grundlagen des Data Mining / Data Science sowie in die wichtigsten praktischen Aspekte bei der Konzeption von Anwendungen.

Zielgruppe

Mitarbeiter aus den Bereichen Data Science, Business Intelligence, Data Warehouse und IT und alle, die gerne mehr über das Thema "Data Mining" und Verfahren zur Datenauswertung lernen möchten.

Voraussetzungen

Grundkenntnisse von Computerprogrammen und der Mathematik

Agenda

Grundlagen des Data Mining

• Was sind Daten
• Datentypen
• Visualisierung von Daten
• Typische Fehler in der Statistik
• Kovarianz und Korrelation

Statistik Grundlagen

• Typische Fehler in der Statistik
• Der zentrale Grenzwertsatz
• Überblick und Beispiele für Hypothesentests

Clustering-Verfahren

• Dendrogramme
• k-means Algorithmus
• k-nearest-neighbor Algorithmus

Mathematische Modellierung

• Lineare und logistische Regression
• Support Vector Machine
• Entscheidungsbäume und Random Forests

Künstliche Intelligenz

• Einführung in neuronale Netze
• Anwendungen und Ausblick im Bereich künstlicher Intelligenz