Schulungsübersicht

Einführung

  • Data Mining als Analyseschritt des KDD-Prozesses ("Knowledge Discovery in Databases")
  • Teilgebiet der Informatik
  • Entdeckung von Mustern in großen Datensätzen

Quellen der Methoden

  • Künstliche Intelligenz
  • Maschinelles Lernen
  • Statistics
  • Database Systeme

Worum geht es?

  • Database und Aspekte der Datenverwaltung
  • Vorverarbeitung von Daten
  • Modell- und Inferenzüberlegungen
  • Interessantheitsmetriken
  • Überlegungen zur Komplexität
  • Nachbearbeitung der gefundenen Strukturen
  • Visualisierung
  • Online-Aktualisierung

Hauptaufgaben des Data Mining

  • Automatische oder halbautomatische Analyse von großen Datenmengen
  • Extraktion von bisher unbekannten interessanten Mustern
    • Gruppen von Datensätzen (Clusteranalyse)
    • ungewöhnliche Datensätze (Anomalieerkennung)
    • Abhängigkeiten (Assoziationsregel-Mining)

Data Mining

  • Erkennung von Anomalien (Erkennung von Ausreißern/Veränderungen/Abweichungen)
  • Lernen von Assoziationsregeln (Modellierung von Abhängigkeiten)
  • Clustering
  • Klassifizierung
  • Regression
  • Zusammenfassen

Einsatz und Anwendungen

  • Fähige Gefahr
  • Verhaltensanalytik
  • Business Analytik
  • Branchenübergreifender Standardprozess für Data Mining
  • Kunden-Analytik
  • Data Mining in der Landwirtschaft
  • Data Mining in der Meteorologie
  • Data Mining im Bildungswesen
  • Menschliches genetisches Clustering
  • Inferenz-Angriff
  • Java Data Mining
  • Open-Source-Intelligenz
  • Pfadanalyse (Datenverarbeitung)
  • Reactive Business Intelligence

Datenbaggerung, Datenfischerei, Datenschnüffelei

Voraussetzungen

gute Kenntnisse über relationale Datenstrukturen, SQL

  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (9)

Kombinierte Kurse

Verwandte Kategorien