Inhalt

[ 926BUSIDAMU14 ] UE Data Mining

Versionsauswahl
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS M1 - Master 1. Jahr Wirtschaftsinformatik Christoph Schütz 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Anmeldevoraussetzungen keine
Quellcurriculum Masterstudium Wirtschaftsinformatik 2023W
Ziele Siehe Modul Data Mining
Lehrinhalte Siehe Modul Data Mining
Beurteilungskriterien Ausarbeitung, Präsentation und Diskussion von Fallbeispielen und Spezialthemen
Lehrmethoden Arbeit der Studierenden in Kleingruppen zur Lösung von praxisnahen Aufgabenstellungen mittels des in der Vorlesung und Übung vermittelten Wissens; Präsentation, Diskussion und Dokumentation der jeweiligen Arbeitsergebnisse.
Abhaltungssprache deutsch/englisch
Literatur Basisliteratur:

  • Han, J.; Kamber, M.: Data Mining: Concepts and Techniques. Morgan Kaufmann, in der aktuellen Auflage.

Ergänzungsliteratur:

  • Witten, I. H.; Hall, M.: Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, in der aktuellen Auflage.
  • Kotu, V.; Deshpande, B.: Predictive Analytics and Data Mining: Concepts and Practice with Rapidminer. Morgan Kaufmann, in der aktuellen Auflage.
  • Van der Aalst, W.: Process Mining. Springer, in der aktuellen Auflage.
  • Liu, B.: Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer Verlag, in der aktuellen Auflage.

Weitere Ergänzungsliteratur wird in jedem Semester bekannt gegeben.

Lehrinhalte wechselnd? Nein
Frühere Varianten Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WBMDMU: UE Data Mining (2011S-2014S)
Präsenzlehrveranstaltung
Teilungsziffer 30
Zuteilungsverfahren Zuteilung nach Vorrangzahl