Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

050151 VU PG.STW.DA.VU Methoden der Datenanalyse (2009W)

3.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Dienstag 06.10. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 13.10. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 20.10. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 27.10. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 03.11. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 10.11. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 17.11. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 24.11. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 01.12. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 15.12. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 12.01. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 19.01. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)
  • Dienstag 26.01. 14:00 - 15:30 (ehem. Hörsaal DAC Universitätsstraße 5 Hochparterre)

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Einführung in das Data Mining; Überblick über Clementine und R; Klassifikation mit Logistischer Regression; Classification Trees; Lineare Regressionsmodelle; Cluster Analyse; Assoziationsanalyse; Neuronale Netzwerke

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mindestanforderungen und Beurteilungsmaßstab

Praxisnahe Vermittlung von Grundkenntnissen des Data Minings; Praktische Übungen an realistischen Datensätzen mit Clementine und R

Prüfungsstoff

Abschluss-Präsentation der von den Teilnehmern selbst ausgearbeiteten Praktikums-Beispiele

Literatur

Berry, M. & Linoff, G. (2004). Data Mining Techniques 2nd ed. John Wiley & Sons. Han J., KamberM. (2001). Data Mining: Concepts and Techniques. Academic Press. Hand, D., Mannila, H., Smyth P. (2001). Principles of Data Mining. MIT Press. Hastie, T., Tibshirani, R., Friedman, J. (2001). The Elements of Statistical Learning. Springer-Verlag. Witten, I., Frank, E. (2000). Data Mining. Morgan Kaufmann Publishers. Für Teilnehmer an der Lehrveranstaltung gibt es Handouts. Diese Handouts stellen kein eigenständiges Skriptum dar und sind daher für das Selbststudium nur bedingt geeignet.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:30