Data Mining Techniques

Sie erhalten einen Überblick und eine kompakte Einführung in die theoretischen Grundlagen des Data Mining sowie in die wichtigsten praktischen Aspekte des Data Minings

Agenda

Maschinelles Lernen

• Entscheidungsbäume
• Regellernen
• Neuronale Netze
• Nächste Nachbarn
• Bayes Lernen
• Support Vector Machines inklusive einer Diskussion der algorithmischen Hintergründe sowie der theoretischen Eigenschaften der Verfahren

Meta Lernen

• Bagging und Boosting

Vorverarbeitung

• Automatisierte Merkmalsauswahl und -generierung (u.a. mit genetischen Algorithmen)
• Diskretisierung
• Normalisierung
• Sampling (Stichprobenauswahl)

Modellvalidierung

• Einführung in Performanzkriterien
• Kreuzvalidierung
• Bootstrapping

Visualisierung

• Hochdimensionale Datenvisualisierungen
• ROC Kurven
• Selbstorganisierende Karten (SOM)