Wirtschaftswissenschaftliche Fakultät

Suche

Data Mining


Dozent(in): Prof. Dr. Yarema Okhrin
Termin: Di., 12:15 - 13:45 Uhr
Gebäude/Raum: HW 1001


Inhalt der Lehrveranstaltung:

Umfangreiche Datenbestände von Unternehmen beinhalten wichtige Informationen und erfordern die Anwendung anspruchsvoller statistischer und mathematischer Verfahren, die unter Data-Mining Methoden zusammengefasst werden. Man betrachtet hier nicht eine Variable bzw. eine Charakteristik  isoliert, sondern das Zusammenwirken mehrerer Variablen zugleich, ihre Abhängigkeitsstruktur. Die Methoden werden zur explorativen Datenanalyse verwendet, z.B. zur Suche nach Strukturen und Besonderheiten in den Daten. Für die praktische Anwendung der erlernten Methoden wird die Statistiksoftware R genutzt.

  • Grundlagen und Ziele
  • Multiple lineare Regressionsanalyse
  • Regressionsbäume
  • Künstliche Neuronale Netze
  • Clusteranalyse
  • Logistische Regressionsanalyse
  • u.w.

 


Vorkenntnis für die Lehrveranstaltung:

Voraussetzung für eine erfolgreiche Teilnahme sind solide statistische Kenntnisse, welche in den Veranstaltungen Statistik I und II vermittelt werden. Die Bereitschaft zum regelmäßigen Besuch der Vorlesung, sowie eigene Vor- und Nachbereitung des Stoffes sind notwendig. Zudem wird die Bereitschaft verlangt, sich in die Statistiksprache R tiefergehend einzuarbeiten.


Literatur zur Lehrveranstaltung:

  • James, Witten, Hastie, Tibshirani (2013): An Introduction to Statistical Learning - with Applications in R, Springer.
  • Hastie, Tibshirani, Friedman (2009): The Elements of Statistical Learning – Data Mining, Inference and Prediction, Springer.
  • Hothorn, Everitt (2014) A Handbook of Statistical Analyses using R, Chapman and Hall/CRC; 3 edition.
  • Wollschläger (2014, 2017) Grundlagen der Datenanalyse mit R - Eine anwendungsorientierte Einführung , Springer.
  • Runkler (2010): Data Mining – Methoden und Algorithmen intelligenter Datenanalyse, 1. Auflage, Vieweg + Teubner.
  • Nisbet, R., Elder, J., Miner, G., 2009, Handbook of Statistical Analysis and Data Mining Applications, Academic Press.
  • Hand, Mannila, Smyth (2001): Principles of Data Mining, The MIT Press.
  • Backhaus, Erichson, Plinke, Weiber (2011): Multivariate Analysemethoden – eine anwendungsorientierte Enführung, 13. Auflage, Springer.
  • Backhaus, Erichson, Weiber (2011): Fortgeschrittene Multivariate Analysemethoden – eine anwendungsorientierte Enführung, 1. Auflage, Springer.
  • ...


weitere Informationen zu der Lehrveranstaltung:

empfohlenes Studiensemester der Lehrveranstaltung: ab dem 4. Semester
Fachrichtung Lehrveranstaltung: Bachelor: siehe Modulhandbuch ihres Studiengangs (falls einbringbar)
Dauer der Lehrveranstaltung: 2 SWS
Typ der Lehrveranstaltung: V - Vorlesung
Prüfung: Klausur
Turnus des Prüfungsangebots: jedes Semester
Dauer der Prüfung: 60 min
Semester: SS 2018