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

From Sccswiki
Jump to navigation Jump to search
Line 12: Line 12:
 
* Am 31.01 um 14:00 Uhr im 02.07.23
 
* Am 31.01 um 14:00 Uhr im 02.07.23
 
* Finale Anmeldung erfolgt ueber TUMOnline
 
* Finale Anmeldung erfolgt ueber TUMOnline
 +
 +
= Themen =
 +
* [[Valeriy_Khakhutskyy,_M.Sc.|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,_M.Sc.,_M.Sc._with_honors|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 =
 
= Inhalt =
 +
 
Überblick und Methoden des Data Mining: Software, Data at Scale, Klassifikation, Regression, Clustering, u.v.a.m. Details gibt es in der Vorbesprechung.
 
Überblick und Methoden des Data Mining: Software, Data at Scale, Klassifikation, Regression, Clustering, u.v.a.m. Details gibt es in der Vorbesprechung.

Revision as of 16:11, 31 January 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

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.