Difference between revisions of "Proseminar Data Mining - Summer 12"

From Sccswiki
Jump to navigation Jump to search
Line 53: Line 53:
  
 
= Recherchetipps =
 
= Recherchetipps =
 +
Um weitere Literatur zu finden, gibt es vielfältige Möglichkeiten, z.B.
 +
* [http://citeseer.ist.psu.edu/cs CiteSeer]
 +
* [http://academic.research.microsoft.com/ Microsoft Academic Search]
 +
* [http://scholar.google.com/ Google Scholar]
 +
* [http://www.citeulike.org/home CiteULike]
 +
oder direkt über die Webseiten der Verlage (Elsevier, Springer, IEEE, ACM, ...)
 +
 +
* [  ]
 +
* [  ]
  
  

Revision as of 15:35, 3 February 2012

Term
Summer 12
Lecturer
Benjamin Peherstorfer, Alexander Heinecke,Valeriy Khakhutskyy,Dirk Pflüger
Time and Place
Vorbesprechung: Di., 31.01 um 14:00 Uhr im FMI 02.07.23
Audience
Informatik (Bachelor)
Tutorials
-
Exam
-
Semesterwochenstunden / ECTS Credits
2 SWS / 4 Credits
TUMonline
{{{tumonline}}}



Vorbesprechung

  • Am 31.01 um 14:00 Uhr im 02.07.23
  • Finale Anmeldung erfolgt ueber TUMOnline
  • Die Themen wurden in der Vorbesprechung zugeteilt. Jeder Teilnehmer soll sich bei seinem Betreuer (siehe unten) per E-Mail melden.

Themen

  • Valeriy Khakhutskyy
    • Einsatz von Data Mining in Industrie
    • Neuronale Netze I
    • Neuronale Netze II
    • Natural Language Processing
    • Big Learning
    • Spam Filtering with Naive Bayes Classifier
    • Recommender Systems with Collaborative Filtering
  • Alexander Heinecke
    • Überblick
    • Software: RapidMiner
    • Lineare Modelle für Regression
    • Lineare Modelle und Logistische Regression für Klassifikation
    • Entscheidungsbäume
    • Association Rules
  • Benjamin Peherstorfer
    • Software: Matlab und R
    • Überblick: Data at Scale
    • Clustering
    • Dichteschätzung
    • Ensemble Learning
    • AdaBoost
  • Dirk Pflüger
    • Software: Google API
    • Aufbereitung von Daten, Pre-Processing
    • Reinforcement Learning
    • Hauptkomponentenanalyse
    • Sequential Data

Inhalt

Überblick und Methoden des Data Mining: Software, Data at Scale, Klassifikation, Regression, Clustering, u.v.a.m. Details gibt es in der Vorbesprechung.


Recherchetipps

Um weitere Literatur zu finden, gibt es vielfältige Möglichkeiten, z.B.

oder direkt über die Webseiten der Verlage (Elsevier, Springer, IEEE, ACM, ...)

  • [ ]
  • [ ]


LaTeX

Formalia