Grundlagen der intelligenten Datenanalyse

Voraussetzungen für die Teilnahme

Die Veranstaltung baut auf dem Modul "Statistik" auf.

Material zur Vorlesung

• Folieninhalt. Diese Datei enthält nur den Inhalt der meisten Folien (mit einigen Auslassungen!), es handelt sich also nicht um ein Skript im eigentlichen Sinne.
• Datensatz
• Merkmale
• Diverse Datensätze (CSV)
• Übungsaufgaben
• Klausur WS05 (Diplom), WS07 (Diplom, nur Ergänzungsteil zur Klausur von Prof. Klawonn), SS08 (Bachelor) und Beispiellösung

Interesse an einer Studien/Diplomarbeit in diesem Bereich? Möglich ist auch eine Mitwirkung im Data Mining Framework. Sprechen Sie mich an.

Online-Quellen

• Standard Data Mining Prozess: CRISP-DM (lokal)

Freie Software

• WEKA Machine Learning Environment (Java)
• The R-Project for Statistical Computing (Linux, Windows)
• KNIME (Konstanz Information Miner) (eclipse platform, Java)
• RapidMiner (Java), ehemals YALE, Yet Another Learning Environment

Datenarchive

• UCI Repository of ML Databases (Blake, Merz)
• UCI KDD Archive (Bay)
• StatLib (Statistics Community)
• UCR Time Series Archive (Keogh)