Inhalt

[ 921DASICDAK17 ] KV Computational Data Analytics

Versionsauswahl
Es ist eine neuere Version 2022W dieser LV im Curriculum Masterstudium Artificial Intelligence 2023W vorhanden.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS M1 - Master 1. Jahr Informatik Johannes Fürnkranz 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Computer Science 2021S
Ziele Die Studierenden beherrschen grundlegende Konzepte und Techniken des maschinellen Lernens und des Data Minings. Sie in der Lage, einschlägige Software kompetent in der Praxis einzusetzen und besitzen das grundlegende theoretische Verständnis, um solche Verfahren selbständig zu realisieren. Insbesondere sind sie auch mit den Herausforderungen großer Datenmengen vertraut.
Lehrinhalte Data mining Prozessmodelle, Vorverarbeitungstechniken, Induktives Regel-Lernen, Effiziente Ähnlichkeitsbasierte Verfahren, Clustering für große Datenmengen, Entdecken von Assoziationsregeln, Grundlagen des Stream Mining, Evaluation
Beurteilungskriterien Schriftliche Klausur am Ende des Semester, Projektarbeit
Lehrmethoden Vortrag mit praktischen Übungen
Abhaltungssprache English
Literatur I. H. Witten, E. Frank, M. A. Hall, C. J. Pal: Data Mining. Morgan Kaufmann.

J. Leskovec, A. Rajaraman, J. D. Ullman: Mining of Massive Datasets. Cambridge University Press.

Lehrinhalte wechselnd? Nein
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung