Data Mining Techniken in Theorie und Praxis

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