Schulungsübersicht

Quellen der Methoden

  • Künstliche Intelligenz
  • Maschinelles Lernen
  • Statistics
  • Quellen der Daten

Vorverarbeitung von Daten

  • Datenimport/-export
  • Datenexploration und Visualisierung
  • Dimensionalitätsreduktion
  • Umgang mit fehlenden Werten
  • R-Pakete

Data Mining Hauptaufgaben

  • Automatische oder halbautomatische Analyse von großen Datenmengen
  • Extrahieren 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
  • Zusammenfassungen
  • Häufige Muster (Mining)
  • Text Mining
  • Entscheidungsbäume
  • Regression
  • Neural Networks
  • Sequenz-Mining
  • Frequent Pattern Mining

Datenbaggerung, Datenfischerei, Datenschnüffelei

Voraussetzungen

Gute R-Kenntnisse.

  14 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 (1)

Kombinierte Kurse

Verwandte Kategorien