|
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 |
|