Grundlagen des Data Mining

 

Wintersemester 2006/07

 

Winfried Kurth

 

 

Plan der Vorlesung

 

17. 10.

1. Einleitung: Motivation, Grundbegriffe

24. 10.

1. Einleitung: Methodenüberblick

2. Die Generalisierungs-Halbordnung (Teil 1): Grundlagen

  7. 11.

2. Die Generalisierungs-Halbordnung (Teil 2)

14. 11.

3. Entscheidungsbäume (Teil 1)

21. 11.

3. Entscheidungsbäume (Teil 2)

4. Begriffsverbände (Teil 1)

28. 11.

4. Begriffsverbände (Teil 2)

  5. 12.

5. Klassifikations- und Assoziationsregeln (Teil 1)

12. 12.

5. Klassifikations- und Assoziationsregeln (Teil 2)

2. 1. 07

6. Bayes-Klassifikation

  9. 1.

7. Clusteranalyse (Teil 1)

16. 1.

7. Clusteranalyse (Teil 2)

23. 1.

8. Methoden der klassischen multivariaten Statistik (Teil 1)

30. 1.

8. Methoden der klassischen multivariaten Statistik (Teil 2)

  6. 2.

9. Text Mining und Web Mining

 

 

letzte Änderung: 12. 12. 2006