Data Mining

Veranstalter

Hochschule Albstadt-Sigmaringen

Veranstaltungsort

Universität Mannheim
B6 26 Bauteil A
Raum tba
68159 Mannheim

Online

Zielgruppe

Personen, die sich im Bereich Data Mining auf akademischem Niveau sowie berufsbegleitend weiterbilden möchten.

Teilnahmevoraussetzungen

Keine

Zulassungsunterlagen

Anmeldeformular

Inhalte

1.Einführung in Data Mining
Der Kurs beginnt mit einem allgemeinen Überblick über die wichtigsten Arten von Data-Mining-Techniken sowie einem Überblick über ihre wichtigsten Anwendungsbereiche. Wir werden die Hauptaufgaben in Data-Mining-Projekten diskutieren, dazu gehören Datenerfassung und -exploration, Datenvorverarbeitung und -transformation, Mustererkennung und Bewertung bzw. Interpretation.

2.Data Exploration
Vor der Anwendung von Data-Mining-Techniken ist es wichtig, ein erstes Verständnis der zu minierenden Daten zu erlangen. Dazu gehören die Berechnung von Zusammenfassungsstatistiken, die Visualisierung der Daten, aber auch das Identifizieren von Datenqualitätsproblemen wie Ausreißern oder fehlenden Werten. Wir werden Datensatzzusammenfassungs- und Visualisierungstechniken diskutieren und auf verschiedene Datensätze anwenden.

3.Clusteranalyse
Das Ziel der Clusteranalyse ist es, bei einer Reihe von Objekten Gruppen von Objekten zu finden, sodass die Objekte in einer Gruppe einander ähnlich sind und sich von den Objekten in anderen Gruppen unterscheiden. Anwendungsgebiete der Clusteranalyse sind beispielsweise Kundensegmentierung, Marktforschung, E-Commerce und Bildverarbeitung. Wir werden verschiedene partitionale und hierarchische Clustering-Techniken diskutieren und diese Techniken anwenden, um Gruppen ähnlicher Objekte in verschiedenen Datensätzen zu finden.

4.Klassifikation
Ziel der Klassifizierung ist es, aus Trainingsdaten eine Funktion zu lernen, die in der Lage ist, bisher ungesehene Datensätze bestimmten vordefinierten Klassen (Gruppen) möglichst genau zuzuordnen. Klassifizierungstechniken werden häufig in verschiedenen Umgebungen eingesetzt, darunter Kreditrisikobewertung, Marketing und Betrugserkennung. Wir werden mehrere weit verbreitete Klassifizierungstechniken behandeln, darunter Entscheidungsbäume, k-NN, Regellernen, naive Bayes, künstliche neuronale Netze und Support Vector Machines. Wir werden auch diskutieren, wie die erlernten Modelle bewertet und optimiert werden können.
 

Ablauf

Ca. zwei Wochen vor dem Beginn eines Moduls erhalten Sie Zugriff auf die entsprechenden Lernmaterialien, wie bspw. Studienbriefe bzw. Reading Guides sowie Online-Lernvideos über unsere E-Learning-Plattform. In der Online-Phase (ca. 5 bis 6 Wochen) werden die Inhalte aus den Studienbriefen bzw. Reading Guides in Online-Seminaren sowie durch praktische Übungen im virtuellen Lernlabor und auf der Lernplattform ILIAS vertieft. Die Ergebnisse werden durch die Tutoren geprüft und Sie erhalten ein ausführliches Feedback. Das Modul schließt mit einem Modulwochenende (Samstag und Sonntag) ab, dort werden Inhalte aus den Studienbriefen aufgegriffen, offene Fragen geklärt und ergänzende Inhalte durch die Dozierenden und Tutor*innen vermittelt. Abschließend erfolgt die Abnahme des Leistungsnachweises in Form einer Prüfung.

Lernziele

• Die Teilnehmer*innen erwerben grundlegende Kenntnisse über die Techniken, Möglichkeiten und Anwendungen des Data Mining.
• Erfolgreiche Teilnehmer*innen werden in der Lage sein, Möglichkeiten für die Anwendung von Data Mining in einer Unternehmensumgebung zu identifizieren, geeignete Techniken auszuwählen und anzuwenden und die Ergebnisse zu interpretieren.
• Die Teilnehmer*innen lernen, Data-Mining-Techniken in Geschäftsszenarien mit modernsten Data-Mining-Tools anzuwenden.

Lehr- / Lernformat

Blended-Learning

Abschluss

Hochschulzertifikat mit ECTS nach bestandener Prüfungsleistung.

Zeitaufwand

Der durchschnittliche Aufwand pro Modul beträgt erfahrungsgemäß in etwa 15-20 Stunden in der Woche, wobei der Workload selbstverständlich auch stark von Ihren Vorkenntnissen und Ihrer Berufserfahrung sowie Ihrem persönlichen Lerntempo abhängt.

Creditpoints (ECTS)

5

Sprache

English

Anerkennung

Durch die Vergabe von Leistungspunkten (ECTS) bei unseren Zertifikaten lassen sich diese auf ein späteres Hochschulstudium anrechnen.

Aussagen zur Qualitätssicherung

Die Module sind aus einem akkreditieren Masterstudiengang.

Der aktuelle Kurs hat bereits begonnen. Neue Termine werden online bekanntgegeben.

Kosten

880,00€ Modulgebühr + 125,00€ Verwaltungs- und Zertifikatsgebühr
Es fallen keine weiteren Gebühren an. Nach Bedarf können Module wiederholt werden, hierbei fällt eine Wiederholgebühr i.H.v. 250,00€ pro Modul an.

Prof. Dr. Christian Bizer