|
Data Warehousing und Knowledge Discovery in Databases (DWKDD)5 ECTS (englische Bezeichnung: Data Warehousing and Knowledge Discovery in Databases)
Modulverantwortliche/r: Klaus Meyer-Wegener Lehrende:
Klaus Meyer-Wegener, Thomas Ruf
Startsemester: |
SS 2018 | Dauer: |
1 Semester | Turnus: |
jährlich (SS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
90 Std. | Sprache: |
Deutsch und Englisch |
Lehrveranstaltungen:
Ausschlussbedingung: Dieses Modul darf nur abgelegt werden, wenn keine der im Modul enthaltenen Lehrveranstaltungen auch noch in einem anderen Modul enthalten ist, das bereits abgelegt wurde.
-
Knowledge Discovery in Databases
(Vorlesung, 2 SWS, Klaus Meyer-Wegener, Mo, 16:00 - 17:30, K2-119)
-
Data Warehousing
(Vorlesung, 2 SWS, Thomas Ruf, Do, 16:45 - 18:15, LG 0.142 (98 Plätze), (außer Do 24.5.2018); Die erste Veranstaltung findet am 12.04.2018 statt.)
Empfohlene Voraussetzungen:
siehe Lehrveranstaltungen
Inhalt:
siehe Lehrveranstaltungen
Lernziele und Kompetenzen:
siehe Lehrveranstaltungen
- Fachkompetenz
- Wissen
- KDD:
Die Studierenden
kennen den typischen KDD-Prozess;
kennen Verfahren zur Vorbereitung von Daten für das Data Mining;
wissen, wie ein typisches Data Warehouse aufgebaut ist;
kennen die Definition von Distanz- bzw. Ähnlichkeitsfunktionen für die verschiedenen Typen von Attributen;
sind vertraut mit dem Prinzip des Apriori-Algorithmus zur Bestimmung von Mengen häufiger Elemente (frequent itemsets);
kennen den FP-Growth-Algorithmus zum schnellen Auffinden von Mengen häufiger Elemente;
können die Definitionen von Support und Confidence für Assoziationsregeln wiedergeben;
können die Ermittlung von Assoziationsregeln auf der Basis von Mengen häufiger Ele-mente beschreiben;
sind in der Lage, die Vorgehensweise bei Klassifikationsaufgaben wiederzugeben;
können darlegen, wie ein Entscheidungsbaum auf einem Trainingsdatensatz erzeugt wird;
können das Prinzip der Bayes'schen Klassifikation darstellen;
können verschiedene Clustering-Verfahren aufzählen;
können den Ablauf von k-Means-Clustering beschreiben;
kennen die verschiedenen Arten von Ausreißern.
- Verstehen
- KDD: Die Teilnehmer können
Distanz- oder Ähnlichkeits-Funktionen auf einem speziellen Datenbestand defi-nieren;
Attribute eines Datensatzes auf ihre Bedeutung für die Analyse hin überprüfen und ggf. Attributwerte geeignet transformieren.
- Lern- bzw. Methodenkompetenz
- KDD:
Die Studierenden
müssen ein hohes Maß an Eigeninitiative zur Aneignung des Stoffes mitbringen und werden darin bestärkt;
müssen die englische Sprache so weit beherrschen, dass sie der Vorlesung folgen können;
verwenden gezielt ein Lehrbuch zur Vorlesung;
bekommen zahlreiche Hinweise auf zugrundeliegende Literatur, die sie bei Bedarf heraussuchen und durcharbeiten müssen.
- Selbstkompetenz
- KDD:
Die Teilnehmer
- Sozialkompetenz
- KDD:
Die Teilnehmer
eignen sich den Stoff in einer Gruppe mit extrem verschiedenen Hintergründen an;
brauchen das Gespräch mit anderen Teilnehmern zur Aneignung des Stoffs;
müssen sich in der Diskussion auch selbst der englischen Sprache bedienen.
Literatur:
siehe Lehrveranstaltungen
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan: Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Informatik (1. Staatsprüfung für das Lehramt an Gymnasien)
(Po-Vers. 2007 | TechFak | Informatik (1. Staatsprüfung für das Lehramt an Gymnasien) | Module Fachwissenschaft Informatik | Wahlpflichtbereich Informatik Gymnasium | Wahlpflichtmodul Informatik Gymnasium)
- Informatik (Master of Science)
(Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Wahlpflichtbereich | Säule der softwareorientierten Vertiefungsrichtungen | Vertiefungsrichtung Datenbanksysteme)
- International Information Systems (IIS) (Master of Science)
(Po-Vers. | ReWiFak | International Information Systems (IIS) (Master of Science) | Masterprüfung | Informatics | Informatics Electives | Data Management II)
- International Information Systems (IIS) (Master of Science)
(Po-Vers. 2014w | ReWiFak | International Information Systems (IIS) (Master of Science) | Informatics | Informatics Electives | Data Management II)
- Mathematik (Bachelor of Science): 5-. Semester
(Po-Vers. 2007 | NatFak | Mathematik (Bachelor of Science) | alte Prüfungsordnungen | Bachelorprüfung | Vertiefungsmodule Mathematik (Nebenfach Informatik))
- Mathematik (Bachelor of Science): 5-. Semester
(Po-Vers. 2009 | NatFak | Mathematik (Bachelor of Science) | Nebenfach Informatik | Module im 2. und 3. Studienjahr | Vertiefungsmodule Mathematik (Nebenfach Informatik))
Studien-/Prüfungsleistungen:
Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 743223)
(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)
(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [2], [3], [4])
- Prüfungsleistung, mehrteilige Prüfung, benotet
- Anteil an der Berechnung der Modulnote: 100.0 %
- weitere Erläuterungen:
Die Bewertung der Prüfungsleistung setzt sich zusammen aus 1/2 Note der Klausur in Data Warehousing (von etwa 60 Minuten Dauer) und 1/2 Note der mündlichen Prüfung in KDD (von etwa 30 Minuten Dauer). Zum Bestehen der Modulprüfungen müssen beide Teilprüfungen bestanden werden.
- Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019 (nur für Wiederholer)
1. Prüfer: | Meyer-Wegener/Ruf |
Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 228988)
(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)
(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [5], [6])
- Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet
- Anteil an der Berechnung der Modulnote: 100.0 %
- Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019
1. Prüfer: | Klaus Meyer-Wegener |
Data Warehousing und Knowledge Discovery in Databases (Prüfungsnummer: 824544)
(englischer Titel: Data Warehousing and Knowledge Discovery in Databases)
(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [1])
- Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet
- Anteil an der Berechnung der Modulnote: 100.0 %
- Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019
1. Prüfer: | Klaus Meyer-Wegener |
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|