Knowledge Discovery in Databases II im SS 2017

Aktuelles

• Einsichtnahme für Nachklausur: Montag, 06.11.2017, 9-10 Uhr (Raum 157)
• Nachklausur: Audimax of the main building.
• Nachklausur am 12.10., 15-17 Uhr. Bitte unter UniWorX anmelden.
• Cathc-up-exam: 12.10., 15-17 Uhr. Please register through UniWorX.
• Raum für Einsichtnahme: 157 (Oettingenstr.)
• Ergebnisse der Klausr sind über UniWorX verschickt. Einsichtnahme am 14.9., 10-11 Uhr Raum: 157 (Oettingenstr.)
• Results have been sent through UniWorX. You can have a look at your exam on 14.9. at 10-11 Uhr. Location: 157 (Oettingenstr.)
• Keine Vorlesung am 27.7.!!! No lecture on July 27!!!
• Anmeldung zur Klausur über UniWorX freigeschaltet.
• Regsitration for the exam through UniWorX now enabled.
• Klausur: Klausur findet statt am 27.7. 17-19 Uhr im Raum B 201 (Hauptgebäude) -- Anmeldung ist in UniWorX freigeschaltet.
• Exam: Exam will be held on July 27 between 5pm and 7 pm in room B 201 (Main Building). Registration through UniWorX starts on Monday.
• Die Vorlesung ist ab sofort unter UniWorx angelegt. Bitte melden Sie sich hier zur Vorlesung an.
• Achtung: die Vorlesung beginnt 9:00 s.t.

Content

In many modern application areas, data scientists face challenges which go beyond the basic techniques being introduced in the basic module Knowledge Discovery in Databases I. The module Knowledge Discovery in Databases II covers advanced techniques to handle large data volumes, volatile data streams, complex object descriptions and linked data. These topics are also known as the three major challenges (Volume, Velocity, Variety) in Big Data Analysis. The modul is directed at master students being interested in developing and designing knowledge discovery processes for various types of applications. This includes the development of new data mining and data preprocessing methods as well as the ability to select the best suited established approach for a given pratical challenge.

Inhalt

In vielen modernen Anwedungsgebieten werden Data Scientist mit neuen Herausforderungen konfrontiert, die weit über die grundlegenden Techniken hinausgehen, die im Modul Knowledge Discovery in Databases I besprochen werden. Das Modul Knowledge Discovery in Databases II stellt eine Reihe von fortgeschrittenen Techniken für sehr große Datenbestände, volatile Datenströme, komplexe Objektdarstellungen und verlinkte Datenbestände vor. Diese Themen sind auch als die drei großen Herausforderungen (Volume, Velocity, Variety) im Berich Big Data Analysis bekannt. Das Modul richtet sich an Masterstudenten, die daran interesiert sind Knowledge Dicovery Prozesse für verschiedene Arten von Anwendungen zu entwerfen und umzusetzen. Dies beinhaltet sowohl die Entwicklung neuer Data Mining- und Vorverarbeitungs-Algorithmen als auch die Fähigkeit die am besten geeigneten etablierten Ansätze für ein gegebenes praktisches Anwendungsgebiet auszuwählen.

Organisation

• Umfang: 3+2 SWS
• Vorlesung: Prof. Dr. Peer Kröger
• Übung:
• Vorkenntnisse: Knowledge Discovery in Databases I
• ECTS: 6
• Art der Prüfung: Klausur (90 min)

Zeit und Ort

Vorlesungsplan

Tutorials/Übungen

General Links

• KDNuggets - E-Newsletter about data mining
• ACM SIGKDD -'Special Interest Group' of the 'Association for Computing Machinery' for KDD
• Weka (Data Mining with open source Machine Learning Software in Java.)
• ELKI (open-source Java-Project on Data Mining at the database group of the LMU)

Vorhergehende Semester

WS 15/16, WS 14/15, WS 13/14, WS 12/13, WS 11/12, SS 10, SS 09, SS 08, SS 07