Data Mining

Seminarbeschreibung:

Data Mining - Bedeutung und Motivation:

• Ziele, Einsatzgebiete, Problemkreise
• Erhebung zur Beliebtheit und Motivation
• Produktreife im Hypecycle

Data Mining-Architekturen:

• Ausgewählte Architekturen wichtiger Hersteller
• Einbettung von Data Mining in DWH-Architekturen

Data Mining-Prozess:

• Der Data Mining-Prozess aus der Sicht einiger Hersteller
• Der Data Mining-Prozess nach Fayyad - Problemspezifikation
• Datenbeschaffung - Datenaufbereitung, Transformation, Lifting
• Data Mining - Interpretation
• Umsetzung

Data Mining - Methoden und Technologien:

• Statistik visuell aufbereitet, Regression, Histogramm, Korrelation, ABC-Analyse, Portfolio-Analyse
• Memory based Reasoning, Induktion von Regeln, Warenkorbanalyse, Clustering, Entscheidungsbaum
• Neuronale Netze
• Evolutionäre Algorithmen

Data Mining-Visualisierung:

• Diagrammarten - 3-D-Darstellungen
• Hyperslice, Prosection view, parallele Koordinaten
• Tree Map

Data Mining-Werkzeuge:

• Ausgewählte Data Mining-Werkzeuge
• Ausgewählte Eigenschaften einiger Produkte im Vergleich.

Das Data Mining-Projekt:

• Phasengliederung - Anforderungen und Fachkonzept
• Kriterien zur Tool-Evaluation
• Der Data Mining Prozess
• Literaturdiskussion

Zielgruppe

Das Seminar und#x201D Data Miningund#x201D wendet sich an Fach- und Führungskräfte, Projektleiter, IT-Experten und Datenanalysten, die in Data Mining-Projekte involviert sind und vor der Beschaffung eines Data Mining Tools stehen oder einfach die Leistungsfähigkeit des Data Mining für Big Data-Themen erkennen wollen.

Voraussetzungen

Um an dem Kurs und#x201D Data Miningund#x201D erfolgreich teilnehmen zu können, sollten Sie das Seminar 5685 Data Warehouse - Konzeption und Projektierung besucht haben oder gleichwertige Kenntnisse besitzen. Kenntnisse in Statistik sind nicht erforderlich.