Difference between revisions of "Proseminar Data Mining - Summer 12"
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 17:11, 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.
