Grundlagen des Data Mining

 

Sommersemester 2004

 

Winfried Kurth

 

 

Plan der Vorlesung

 

14. 4.

1. Einleitung: Motivation, Grundbegriffe, Methodenüberblick

21. 4.

2. Die Generalisierungs-Halbordnung (Teil 1)

28. 4.

2. Die Generalisierungs-Halbordnung (Teil 2) und 3. Entscheidungsbäume (Teil 1)

  5. 5.

3. Entscheidungsbäume (Teil 2)

12. 5.

4. Begriffsverbände

19. 5.

5. Klassifikations- und Assoziationsregeln (Teil 1)

26. 5.

5. Klassifikations- und Assoziationsregeln (Teil 2)

  2. 6.

6. Bayes-Klassifikation

  9. 6.

Veranstaltung fällt aus wegen Tagungsreise

16. 6.

7. Clusteranalyse (Teil 1)

23. 6.

7. Clusteranalyse (Teil 2)

30. 6.

8. Methoden der klassischen multivariaten Statistik (Teil 1)

  7. 7.

8. Methoden der klassischen multivariaten Statistik (Teil 2)

14. 7.

9. Text Mining und Web Mining

 

 

letzte Änderung: 1. 7. 2004