Knowledge Discovery in Databases I im WS 2009/10
Aktuelles
- Die Scheine können jetzt in der Oettingenstr. 67 im Sekretariat Raum 154 abgeholt werden.
- Der Termin für die Einsichtnahme ist jetzt am Do 25.3.2010 um 14.00 im Zimmer F109 (alte RaumNr E.109) in der Oettingenstr. 67.
- Das Ergebnis der Klausur steht nun fest (Klausurergebnis).
Falls Sie Ihre Matrikelnummer nicht auf der Liste finden, haben Sie der Veröffentlichung der Note im Internet nicht zugestimmt und können das Ergebnis nur über den Aushang in der Oettingenstr. 67 im Schaukasten vor dem Raum 156 erfahren.
- ACHTUNG: Die Klausurbesprechung beginnt erst um 9.00 ct.
- Alle Daten zur Klausur finden Sie auch auf folgendem Merkblatt .
- Wichtig :Bitte erscheinen sie pünktlich bis spätestens 14.15 zur Klausur am Fr. 5.2. (Hörsaal A140) Hauptgebäude. Sollten Sie bis 14.25 nicht auf Ihren Platz sein, gehen wir davon aus, dass Sie nicht an der Klausur teilnehmen wollen und werden ihren Platz einem anderen Studenten zuweisen.
- Die Bearbeitungszeit der Klausur ist 2 Stunden. Es sind außer einem nicht-programmierbaren Taschenrechner keine weiteren Hilfsmittel zugelassen. Einlass ist bereits 14.00.
- Die Klausur findet am Fr. den 05.02. von 14.30-16.30 Uhr im Hörsaal A 140 im Hauptgebäude statt. Die Bearbeitungszeit wird voraussichtlich 2 Stunden betragen.
- Die Vorlesung beginnt erst um 8.30.
Inhalt
Die in vielen Anwendungsgebieten stark angewachsenen Datenmengen machen eine manuelle Analyse der angefallenen Information zunehmend schwierig, wenn nicht sogar unmöglich. Gerade in Bereichen wie der Auswertung biologischer Messverfahren (Gen-Sequenzierung, Micro-Array Verfahren ...) oder von Transaktionsdaten großer Telekommunikations- oder Netzbetreiber, ist eine Nutzung der Daten ohne die Zuhilfenahme computergestützter Verfahren nicht denkbar.
Mit der Lösung dieser Probleme beschäftigt sich daher das Forschungsgebiet "Knowledge Discovery in Databases (KDD)". Es verbindet dabei Aspekte der Statistik, dem maschinellen Lernen, sowie der Datenbanksysteme und behandelt Methoden zur (semi-)automatischen Extraktion von gültigem, neuem und potentiell nützlichem Wissen aus großen Datenbanken. Der in diesem Zusammenhang häufig verwendete Begriff Data Mining bezieht sich dabei auf den grundlegenden Schritt im KDD-Prozess, in dem die eigentliche Analyse der Daten durchgeführt wird.
Data Mining wird dabei häufig auch auf große Mengen betrieblicher Daten angewendet, die in so genannten Data Warehouses gesondert verwaltet werden. Der häufig verwendete Begriff Business Intelligence beschreibt dann unter anderem die Anwendung von Data Mining Algorithmen auf die von einem Data Warehouse bereitgestellten Informationen, um zielgerichtet Entscheidungsprozesse zu unterstützen.
Die Vorlesung gibt einen Überblick über die Grundlagen der wichtigsten KDD-Techniken. Dabei wird besonders auf die folgenden Teilgebiete eingegangen: Klassifikation, Regression/Trenderkennung, Clustering, Outlier Detection und Assozationsregeln.
Zur Vertiefung der Vorlesung werden 2-stündige Übungen angeboten, in denen die vorgestellten Verfahren weiter erläutert und an praktischen Beispielen veranschaulicht werden.
Organisation
- Umfang: 3+2 Semesterwochenstunden
- Vorlesung: PD Dr. Matthias Schubert, Dr. Arthur Zimek
- Vorkenntnisse: wünschenswert: Datenbanksysteme I
- Übungen: Erich Schubert, PD Dr. Matthias Schubert
Zeit und Ort
| Veranstaltung | Zeit | Ort | Beginn |
|---|---|---|---|
| Vorlesung | Do, 8.30 - 11.00 Uhr | Raum A 021 (Hauptgebäude) | 22.10.2009 |
| Übung |
Fr, 12.00 - 14.00 Uhr | Raum M 001 (Hauptgebäude) | 30.10.2009 |
| Übung |
Fr, 14.00 - 16.00 Uhr | Raum M 001 (Hauptgebäude) |
30.10.2009 |
Vorlesungsplan
| Datum | Vorlesung | Datum | Übung |
| 22.10.2009 | Kapitel 1: Einleitung | 23.10.2009 | entfällt |
| 29.10.2009 | Kapitel 2: Featureräume Kapitel2.pdf Kapitel 3: Klassifikation Kapitel3.pdf | 30.10.2009 | Blatt1.pdf |
| 05.11.2009 | Kapitel 3: Klassifikation | 06.11.2009 | Blatt2.pdf |
| 11.11.2009 | Kapitel 3: Klassifikation | 12.11.2009 | Blatt3.pdf |
| 19.11.2009 | Kapitel 3: Klassifikation | 20.11.2009 | Blatt4.pdf |
| 26.11.2009 | Kapitel 3: Klassifikation | 27.11.2009 | Blatt5.pdf Loesung_5-3.pdf |
| 03.12.2009 | Kapitel 4: Regression Kapitel4.pdf
Kapitel 5: Clustering Kapitel5.pdf | 04.12.2009 | Blatt6.pdf |
| 10.12.2009 | Kapitel 5: Clustering | 11.12.2009 | Blatt7.pdf |
| 17.12.2009 | Kapitel 5: Clustering | 18.12.2009 | Blatt8.pdf |
| 07.01.2010 | Kapitel 6: Outlier Detection Kapitel6.pdf | 08.01.2010 | Blatt9.pdf |
| 14.01.2010 | Kapitel 6: Outlier Detection | 15.01.2010 | Blatt10.pdf |
| 21.01.2010 | Kapitel 7: Assoziationsregeln Kapitel7.pdf | 22.01.2010 | Blatt11.pdf |
| 28.01.2010 | Kapitel 8: DB-Techniken zur Leistungssteigerung Kapitel8.pdf | 29.01.2010 | Blatt12.pdf |
| 04.02.2010 | Fragestunde zur Klausur | 05.02.2010 | KLAUSUR (14.30 - 16.30) |
| 11.02.2010 | Klausurbesprechung und Kapitel 9: Data Warehousing |
Anmeldung zur Klausur
Die Anmeldung zur Klausur ist seid dem 5.12.2009 abgeschlossen. Nachmeldungen sind zum jetzigen Zeitpunkt leider nicht mehr möglich.
Weiterführende Informationen
KDD zum Ausprobieren
- Weka 3: Data Mining Software in Java
- Rapid Miner (früher YALE)
- ELKI: Environment for DeveLoping KDD-Applications Supported by Index-Structures
weitere Informationen
Vorhergehende Semester
SS 15, SS 14, SS 13, SS 12, SS 11, WS 10/11, WS 09/10, WS 08/09, WS 07/08, WS 06/07, WS 05/06, WS 04/05, WS 03/04, WS 02/03, WS 00/01, WS 99/00
