Data and Text Mining in Social Networks

Größe: px
Ab Seite anzeigen:

Download "Data and Text Mining in Social Networks"

Transkript

1 Data and Text Mining in Social Networks Seminar Wintersemester 2011/2012 Ulf Leser, Lars Döhling Humboldt-Universität zu Berlin

2 Voraussetzungen für Teilnahme Ggf. Vordiplom Englische Originalveröffentlichungen lesen Kenntnisse in Maschinellem Lernen / Statistik Z.B: durch Mitchell, Machine Learning Interesse an Text Mining / Graph Mining

3 Ablauf Heute: Themenvorstellung und Themenvergabe Besprechung der Themen bis zum Flash-Präsentation aller Themen am tba Pro Thema 3-5 Folien um was geht s? Klausur über Inhalte der grundlegenden Literatur am tba Besprechung der Folien bis zum Blockseminar: tba (1-2 Tage am Semesterende) Ca. 30 Minuten pro Thema Anwesenheitspflicht Jedes Thema hat einen Opponenten Seminararbeiten: Abgabe bis Frühzeitig Termine machen

4 Was Sie alles tun müssen Diverse Veröffentlichungen lesen Mehrmals den Betreuer treffen Flash-Präsentation halten (3-5 Folien) Miniklausur bestehen Vortrag halten (ca. 30 Minuten) Opponent zu einem Vortrag sein Arbeit schreiben (10-12 Seiten)

5 Fragen Fragen? Diplominformatiker? Bachelor? Wirtschaftsinformatik? Semester? Maschinelles Lernen oder Text Mining? Besondere Gründe?

6 Ablauf heute Grundlagen und Einführung Themenvorstellung Themenvergabe Hinweise zu Seminararbeit und -vortrag

7 SOCIAL MEDIA

8 Was sind Social Media?

9 Was sind Social Media? Digitale (webbasierte) Kommunikation zwischen Nutzern 1:n 1:1 Jeder kann mitmachen Kostenfrei/-günstig Schnell Beinhalten verschiedene Formen von digitalen Inhalten Fotos, Texte, Videos, Songs User generated Content Bieten Verlinkung und Metaattributierung Social Networks, Geo-Tagging Unterschied zu klassischen Massenmedien

10 Social Media Landschaft (2008)

11

12 Social Media Landschaft 2011 Beispiele Facebook [1] More than 800 million active users More than 50% of our active users log on in any given day Average user has 130 friends Twitter More than 200 million users [2] Over 200 million Tweets per day [3] [1] [2] [3]

13 Social Networks Small-World Hypothese Milgram 1967: Pfadlänge zwischen beliebigen Teilnehmer bei MS Messenger bestätigt [1] Skalenfreiheit (Sehr) viele Knoten mit wenigen Kanten Wenige Knoten mit vielen Kanten (Hubs) [2] Analyse-Metriken Zentralität Clusterkoeffizient [1] [2]

14 Text Mining Analog zu Data Mining : Wissensendeckung in schwach- oder unstrukturierten Texten Typische Einsatzgebiete Einordnen von Texten (Klassifikation) Finden von ähnlichen Texten (Clustering) Meinungsanalyse Finden von relevanten Texten (Information Retrieval) Informationsextraktion

15 Text Mining Werkzeuge & Verfahren (Ausz.) Statistische Verteilungen von textuellen Merkmalen Häufigkeiten Kookkurrenzen Wörterbücher Sprachverarbeitung Stemming, Lemmatisierung Wortart-Tagging (POS) Syntaktisches Parsieren (Konstituenten, Dependenzen) Maschinelles Lernen Naïve Bayes Hidden-Markov-Modell Support-Vektor-Maschine

16 Ziele des Seminars Wecken des Interesses an Social Media deren Analyse und Anwendung. Kritische Auseinadersetzung mit einem selbstgewählten Thema in Form eines Vortrags, einer Diskussion und einer Ausarbeitung.

17 Einführungslektüre Pflichtlektüre für alle Hristidis et al., Survey of data management and analysis in disaster situations. J. Syst. Softw. 83, 10 Carstensen et al., 2009: Computerlinguistik und Sprachtechnologie. Spektrum Akademischer Verlag. Seiten Mislove et al., 2007: Measurement and Analysis of Online Social Networks. 7th ACM SIGCOMM Inhalt wird in einer Klausur abgefragt Empfohlen Tom Mitchell: Machine Learning. McGraw-Hill, 1997

18 Themenübersicht Block Thema Name Ereignisentdeckung mit Twitter Klassifikation von Weblog, Tweets Trendanalyse Meinungsanalyse Informationsaggregation Earthquake Detection Hay Fever Observation Obtaining Situational Awareness IR in the Blogosphere Tie Strength in Social Networks Disease Trends Box-Office Forecasts Wisdom of the Crowd Stock Market Sentiment Classification Handling many texts Georeferenzierung /Flickr Travel recommendation Folksonomies Georeferencing Photos Tagging

19 Earthquake Detection (LD) Detektieren von Erdbeben, Taifunen in Twitter Finden von relevanten Tweets (IR) Klassifikation von Tweets per SVM Zeit- und Ortsbestimmung mit Probalistischen Modellen Kalman-, Partikelfilter

20 Hay Fever Observation (LD) Erstellen einer Heuschnupfenkarte aus Tweets Finden von relevanten Tweets (IR) Klassifikation von Tweets per Boosting-basiertem Klassifikator Lokalisierung per Wörterbuch Korrelation zu echten Sensoren Überschneidungen zu Earthquake Detection

21 Obtaining Situational Awareness (LD) Entdecken von nützlichen Tweets bei Katastrophen Klassifikation von Tweets mit Naive Bayes Maximum Entropy Verwendung von NLP und Subjektivität Sprachregister: in- /formal Sprachklang: un- /persönlich Vieweg et.al, Microblogging During Two Natural Hazards Events: What Twitter May Contribute to Situational Awareness. CHI 2010.

22 IR in the Blogosphere (LD) Finden von relevanten Blogbeiträgen Suchmachinenoptimierung durch Nachträgliche Klassifikation von Treffern per SVM unter Anwendung von Tag Clouds Auswirkung von Featurereduktion

23 Tie Strength in Social Networks (LD) Unterscheidung von Freunde/Fremden in Facebook Basiert auf Befragung von Facebook-Mitgliedern Modelliert als Linearkombination von gemessenen Variablen Grundwissen in Statistik ist empfehlenswert

24 Disease Trends (UL) schwer/2 Clustering zur Themenerkennung (Twitter) Zuweisung von Keywords zu Themen (Krankheiten) Link-Analyse zur Erkennung ungewöhnlicher Grippe- Effekte (in Blogs) Probabilistisches Modell Soft clustering Einfaches Graph Mining

25 Box-Office Forecasts (UL) einfach/1 Beobachtung von Tweeds über Filme Klassifikator basierend auf linearer Regression der Tweet- Rate Vorhersage für zweite Woche mit einfacher Sentiment-Klassifikation Deskriptive Statistik, Regression

26 Wisdom of the Crowd (UL) mittel/2 Benutzung von Sentiment- Tracking in Twitter zur Messung der Public Mood Korrelation mit Dow Jones Industrial Average Index Korrelation, Kausalität, Vorhersage Genetischer Algorithmus zur Erkennung von Experten Statistik, genetische Algorithmen, Korrelation

27 Sentiment Classification (UL) mittel/2 Klassischer Klassifikationsansatz zur Erkennung von Sentiment in Tweets (POS, n-grams) Multinomialer Bayes-Klassifier, Feature Selection Semi-supervised, k-nn Klassifikator

28 Handling Many Texts (UL) einfach/1 Hierarchische Aggregation von Meldungen durch Clustering Ableitung dynamischer Formulare zur Suchunterstützung Empfehlungstechniken zur Community-Building Eher dicht als schwer

29 Travel recommendation Bestimmen von Reiseempfehlungen anhand der eigenen Vorlieben Flickr liefert die Geodaten, um ähnliche Nutzer zu finden Ähnlichkeit über Convolution Kernel In einer für mich fremden Stadt werden mir deren besuchte Orte empfohlen Analog für gegebene Orte (Wormholes)

30 Placing Photos on a Map Verortung von Fotos auf Flickr Grundlage sind die vom Nutzer vergebenen Schlagworte (Tags) Naive Bayes Klassifikator Hierarchische Verortung mittels Vorab-Clustering Platz, Stadt, Region, Land

31 Tagging (UL) einfach/2 Tagging: Verschlagwortung unstrukturierter Daten Tag-Vorhersage für Blogs basierend auf Co-occurrence von Tags Evaluation von social tagging für Kunstwerke in Museen

32 Themenübersicht Block Thema Name Ereignisentdeckung mit Twitter Klassifikation von Weblog, Tweets Earthquake Detection Hay Fever Observation Obtaining Situational Awareness IR in the Blogosphere Tie Strength in Social Networks Alexander Konrad Florian Hönicke Florian Kaase Max Schultze Daniel Will Trendanalyse Disease Trends Martin Beckmann, Arne Binder Box-Office Forecasts Wisdom of the Crowd Stock Market Randy Witte Martin Fobian Meinungsanalyse Sentiment Classification Jan Lelis Informationsaggregation Handling many texts Cristian Bell Georeferenzierung /Flickr Travel recommendation Georeferencing Photos Christian Hänel Folksonomies Tagging Martin Schulze David Asher, Alexander Frenzel

33 Allgemeine Hinweise Dozenten sind ansprechbar! Vorbesprechung des Themas Folien durchgehen Abgrenzung der Ausarbeitung Diskussion erwünscht Keine Angst vor Fragen: Fragen sind keine Kritik Eine Frage nicht beantworten können ist in Ordnung Tiefe, nicht Breite Lieber das Thema einengen und dafür Details erklären Bezug nehmen Vergleich zu anderen Arbeiten (im Seminar)

34 Allgemeine Hinweise Werten und bewerten Keine Angst vor nicht ganz zutreffenden Aussagen solange gute Gründe vorhanden sind Begründen und argumentieren Kritikloses Abschreiben ist fehl am Platz Literaturrecherche ist erwünscht Die ausgegebenen Arbeiten sind Anker Weiterführende Arbeiten müssen herangezogen werden Auch Grundlagen nachlesen Wir schicken eine Liste zum Abhaken rum

35 Wie halte ich einen Seminarvortrag 1. Wenn man nun so einen Seminarvortrag halten muss, dann empfiehlt es sich, möglichst lange Sätze auf die Folien zu schreiben, damit die Zuhörer nach dem Vortrag aus den Folienkopien noch wissen, was man eigentlich gesagt hat. 2. Während so einem Vortrag schaut sowieso jeder zum Projektor, also kann man das selbst ruhig auch tun - damit kontrolliert man gleichzeitig auch, ob der Beamer wirklich alles projeziert, was auf dem Laptop zu sehen ist. Ausserdem kann man so den Strom für das Laptop-Display sparen. 3. Übersichtsfolien am Anfang sind langweilig, enthalten keinen Inhalt und nehmen den Zuhörern die ganze Spannung. Schliesslich gibt s im Kino am Anfang auch keine Inhaltsangabe. 4. Powerpoint kann viele lustige Effekte, hat tolle Designs und Animationen. Die sollte man zur Auflockerung des Vortrags unbedingt alle benutzen, um zu zeigen, wie gut man das Tool im Griff hat. 5. Nicht zu wenig auf die Folien schreiben. Man weiß ja nie, ob man sie nicht doch ausdrucken muss, und man kann so wertvolle Zeit sparen, wenn man nicht weiterschalten muss. 6. Man sollte versuchen, möglichst lange zu reden. Die Zeitvorgaben sind nur für die Leute, die nicht genug wissen - eigentlich will der Prüfer sehen, dass man sich auch darüber hinaus mit dem Thema beschäftigt hat. Bloß keine Hervorhebungen im Text sonst müssen die Zuhörer ja gar nicht mehr aufpassen!

36 Hinweise zum Vortrag ~30 Minuten plus Diskussion Klare Gliederung Ab und an Hinweise geben, wo man sich befindet Bilder und Grafiken; Beispiele Font: mind. 16pt Eher Stichwörter als lange Sätze Vorträge können auch unterhaltend sein Gimmicks, Rhythmuswechsel, Einbeziehen der Zuhörer, etc. Adressat sind alle Teilnehmer, nicht nur die Betreuer Technik: Laptop? Powerpoint?

37 Der Opponent Opponenten kennen die Arbeiten Aber schreiben nichts darüber Sie suchen Schwachstellen, unklare Passagen oder Kritikpunkte Nach dem Vortrag fragen die Opponenten den Vortragenden zu diesen Themen; der Vortragende vereidigt, so gut es geht Ziel: Bloßstellung des Vortragenden Anregung zur kritischen Auseinandersetzung mit einem Thema Erkennen von Schwachstellen

38 Hinweise zur Ausarbeitung Eine gedruckte Version abgeben Selbstständigkeitserklärung unterschreiben Eine elektronische Version schicken Referenzen Alle verwendeten und nur die Im Text referenzieren, Liste am Schluss Korrekt zitieren Vorsicht vor Übernahme von kompletten Textpassagen; wenn, dann deutlich kennzeichnen Aussagen mit Evidenz oder Verweis auf Literatur versehen Verwendung von gefundenen Arbeiten im Web Möglich, aber VORSICHT Eventuell Themenschwerpunkt verschieben Betreuer fragen

39 Format Benutzung unserer Latex-Vorlage Nur eine Schriftart, wenig und konsistente Wechsel in Schriftgröße und stärke Inhaltsverzeichnis Bilder: Nummerieren und darauf verweisen Referenzen: [1] Yan, X., Yu, P. S. and Han, J. (2004). "Graph Indexing: A Frequent Structure-Based Approach". SIGMOD, Paris, France. [YYH04] Yan, X., Yu, P. S. and Han, J. (2004). "Graph Indexing: A Frequent Structure-Based Approach". SIGMOD, Paris, France. Darf man Wikipedia zitieren? Nur zur äußersten Not Perma-Link verwenden!

40 Hinweise zur Ausarbeitung 2- Gezielt und sachlich schreiben Ausführungen zur Philosophische Überlegungen zu Vorzügen probabilistischer Verfahren im Vergleich zu Dempster s Theory of Evidence oder zur Anmerkungen zur Trivialisierung des politischen Diskurs für soziale Netzwerke unter besonderer Berücksichtigung von Twitter möglichst kurz halten Füllwörter vermeiden (dabei, hierbei, dann, ) Knappe Darlegung, präzise Sprache Eine gute Gliederung ist die halbe Miete Kommen Sie zu Aussagen Vorteile, Nachteile, verwandte Arbeiten, mögliche Erweiterungen, Anwendbarkeit, eigene Erfahrungen,

41 Wir suchen SHKs

42 Mögliche Studienarbeit In Kooperation mit KPI-Wall Start-Up zur Erstellung von Dash-Boards Schnelle und intuitive Visualisierung von zentralen Kennzahlen Umsatz, Ausschussrate, Börsenkurse, Weblog-Analyse, Ziel der Arbeit: Ableitung von Trends aus Tweets Sentiment Analyse Aggregation vieler Tweets Trendanalysen

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818

Text Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Text Mining Praktikum Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Rahmenbedingungen Gruppen von 2- (max)4 Personen Jede Gruppe erhält eine Aufgabe Die

Mehr

Textmining Klassifikation von Texten Teil 1: Naive Bayes

Textmining Klassifikation von Texten Teil 1: Naive Bayes Textmining Klassifikation von Texten Teil 1: Naive Bayes Dept. Informatik 8 (Künstliche Intelligenz) Friedrich-Alexander-Universität Erlangen-Nürnberg (Informatik 8) Klassifikation von Texten 1: Naive

Mehr

Wie schreibt man eine Seminararbeit?

Wie schreibt man eine Seminararbeit? Wie schreibt man eine Seminararbeit? Eine kurze Einführung LS. Prof. Schulze, 27.04.2004 Vorgehensweise Literatur bearbeiten Grobgliederung Feingliederung (Argumentationskette in Stichpunkten) Zwischenbericht

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Vertiefte Themen in Mobilen und Verteilten Systemen

Vertiefte Themen in Mobilen und Verteilten Systemen Seminar Vertiefte Themen in Mobilen und Verteilten Systemen Veranstalter: Prof. Dr. Linnhoff-Popien Durchführung: Sebastian Feld Seminar Trends in Mobilen und Verteilten Systemen Folie 1 Termine Termine

Mehr

Neue Ansätze im IT-Service-Management Prozessorientierung (ITIL/eTOM)

Neue Ansätze im IT-Service-Management Prozessorientierung (ITIL/eTOM) Hauptseminar Wintersemester 2003/2004 Neue Ansätze im IT-Service- Prozessorientierung (ITIL/eTOM) Einführung Lehr- und Forschungseinheit für Kommunikationssysteme und Systemprogrammierung Agenda Formalien

Mehr

Organisatorisches. Proseminar Technische Informatik - 18. Oktober 2013

Organisatorisches. Proseminar Technische Informatik - 18. Oktober 2013 Organisatorisches Proseminar Technische Informatik - 18. Oktober 2013 Michael Frey Distributed, embedded Systems Computer Systems and Telematics (CST) Freie Universität Berlin http://cst.mi.fu-berlin.de

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Analyse von Diskursen in Social Media Ein Werkstattbericht

Analyse von Diskursen in Social Media Ein Werkstattbericht Analyse von Diskursen in Social Media Ein Werkstattbericht Ausgangspunkt in der Kommunikationswissenschaft Bisherige Öffentlichkeit: Journalisten als zentrale Vermittler von Themen und Meinungen ( Gatekeeper

Mehr

Internet-Protokolle. Seminar im Grundstudium NWI 39 20 12. Technische Fakultät. Universität Bielefeld. pk@techfak.uni-bielefeld.de.

Internet-Protokolle. Seminar im Grundstudium NWI 39 20 12. Technische Fakultät. Universität Bielefeld. pk@techfak.uni-bielefeld.de. Internet-Protokolle Seminar im Grundstudium NWI 39 20 12 Technische Fakultät Universität Bielefeld pk@techfak.uni-bielefeld.de Seminar Internet-Protokolle Vorbesprechung 1 von 23 Tagesordnung Grundlagen

Mehr

Wie schreibt man eine Ausarbeitung?

Wie schreibt man eine Ausarbeitung? Wie schreibt man eine Ausarbeitung? Holger Karl Holger.karl@upb.de Computer Networks Group Universität Paderborn Übersicht Ziel einer Ausarbeitung Struktur Sprache Korrektes Zitieren Weitere Informationen

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten Kunden begeistern.

Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten Kunden begeistern. GENUG GEREDET! GANZ SICHER? Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten Kunden begeistern. Frage nicht, was dein Land für dich tun kann, sondern was du für dein Land tun kannst!* *Als John

Mehr

Nachweis über die Fähigkeit, selbständig eine wissenschaftliche Fragestellung unter Benutzung der einschlägigen Literatur zu lösen und darzustellen.

Nachweis über die Fähigkeit, selbständig eine wissenschaftliche Fragestellung unter Benutzung der einschlägigen Literatur zu lösen und darzustellen. Das Verfassen einer Hausarbeit Ziel einer Hausarbeit: Nachweis über die Fähigkeit, selbständig eine wissenschaftliche Fragestellung unter Benutzung der einschlägigen Literatur zu lösen und darzustellen.

Mehr

ebusiness Lotse Berlin Social Media Monitoring

ebusiness Lotse Berlin Social Media Monitoring 1 Agenda Social Media Monitoring 2 1. Webbosaurus 2. Definition & Einsatzgebiet 3. Plattformen & Funktionsweise 4. manuell vs. automatisch 5. kostenlos vs. kostenpflichtig 6. Toolvorstellungen 3 Webbosaurus

Mehr

Business Information Management 5. Semester WS 2012/13 Vorlesung: New Trends in IT

Business Information Management 5. Semester WS 2012/13 Vorlesung: New Trends in IT Business Information Management 5. Semester WS 2012/13 Vorlesung: New Trends in IT Prof. Dr. Martin Rupp mailto:martin.rupp@ax-ag.com treten Sie mit mir direkt in Kontakt: martinrupp1964 Sie finden mich

Mehr

Social Media Basics wer, was, wofür, wie viele?

Social Media Basics wer, was, wofür, wie viele? Social Media Basics wer, was, wofür, wie viele? Prof. Dr. Michael Bernecker The ROI of Social Media is: your business still exists in 5 years. Socialnomics DIM Deutsches Institut für Marketing Prof. Dr.

Mehr

Seminar- und Vortragsvorbereitung

Seminar- und Vortragsvorbereitung Seminar- und Vortragsvorbereitung - der Schlüssel zum erfolgreichen Seminarvortrag...... liegt bei jedem selbst Cornelia Denz Institut für Angewandte Physik WWU Ziel eines Seminars Einführung in ein wissenschaftliches

Mehr

Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten B2B Kunden begeistern.

Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten B2B Kunden begeistern. GENUG GEREDET! GANZ SICHER? Von der Zielgruppe zur Dialoggruppe: Mit packenden Inhalten B2B Kunden begeistern. Frage nicht, was dein Land für dich tun kann, sondern was du für dein Land tun kannst!* *Als

Mehr

Social Media Monitoring Den Kunden zuhören. Teil I

Social Media Monitoring Den Kunden zuhören. Teil I Social Media Monitoring Den Kunden zuhören Teil I DVR: 0438804 Juli 2015 Social Media Monitoring bezeichnet die systematische, kontinuierliche und themenspezifische Suche, Erhebung, Aufbereitung, Analyse,

Mehr

Social Media in Marketing und Personalmanagement

Social Media in Marketing und Personalmanagement Konzept zum Blockseminar Social Media in Marketing und Personalmanagement Univ.-Prof. Dr. Ruth Stock-Homburg Sommersemester 2015 TU Darmstadt FG Marketing & Personalmanagement Univ.-Prof. Dr. Ruth Stock-Homburg

Mehr

Event-Aggregation in Frühwarnsystemen. Till Dörges. 2009 by PRESENSE Technologies GmbH

Event-Aggregation in Frühwarnsystemen. Till Dörges. 2009 by PRESENSE Technologies GmbH Event-Aggregation in Frühwarnsystemen Till Dörges Gliederung Motivation Definitionen Aggregationsverfahren Implementierung Ergebnisse / Ausblick Folie 2 / Event-Aggregation 18. März 2009 Hamburg Motivation

Mehr

Tipps und Tricks für PowerPoint-Präsentationen

Tipps und Tricks für PowerPoint-Präsentationen und Tricks für Täglich werden weltweit Millionen von gehalten. PowerPoint bietet Dir die Möglichkeit, Deine Präsentation zu visualisieren. Hier sind einige und Tricks, um Deine PowerPoint- Präsentation

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Vorbesprechung Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2015 Vorbesprechung, SS 2015 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source:

Mehr

Ein Beispiel könnte sein: Umsatzrückgang im stationären Handel da Kunden vermehrt online einkaufen

Ein Beispiel könnte sein: Umsatzrückgang im stationären Handel da Kunden vermehrt online einkaufen Finden eines Themas: Ideal ist es, wenn Sie in Ihrer Präsentation den Bezug zur Praxis herstellen können. Gehen Sie also zu Ihrem Vorgesetzten und fragen Sie nach einer konkreten Problemstellung, die in

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

TrustYou Analytics. Reputations-Management für Hotels und Hotelketten

TrustYou Analytics. Reputations-Management für Hotels und Hotelketten TrustYou Analytics Reputations-Management für Hotels und Hotelketten 06.12.2010 TrustYou 2010 1 Wissen Sie, was über Ihr Hotel im Internet gesagt wird? Im Internet gibt es mittlerweile Millionen von Hotelbewertungen,

Mehr

Moderne parallele Rechnerarchitekturen

Moderne parallele Rechnerarchitekturen Seminar im WS0708 Moderne parallele Rechnerarchitekturen Prof. Sergei Gorlatch Dipl.-Inf. Maraike Schellmann schellmann@uni-muenster.de Einsteinstr. 62, Raum 710, Tel. 83-32744 Dipl.-Inf. Philipp Kegel

Mehr

Finanzcontrolling-Seminar im Wintersemester. "Regulierung nach der Finanzkrise - Welche

Finanzcontrolling-Seminar im Wintersemester. Regulierung nach der Finanzkrise - Welche Finanzcontrolling-Seminar im Wintersemester 2009/10 "Regulierung nach der Finanzkrise - Welche Antworten liefert das Controlling?" Lehrstuhl für BWL Controlling Prof. Dr. Gunther Friedl Technische Universität

Mehr

Learning Analytics und Foren

Learning Analytics und Foren Learning Analytics und Foren Agathe Merceron Beuth Hochschule für Technik Berlin Margarita Elkina Hochschule für Wirtschaft und Recht Berlin Albrecht Fortenbacher Hochschule für Technik und Wirtschaft

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,

Mehr

Social Monitoring. HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014

Social Monitoring. HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014 HAW Hamburg Hochschule für Angewandte Wissenschaften University of Applied Sciences Master Informatik - Anwendungen 1 WS 2013/2014 Abdul-Wahed Haiderzadah abdul-wahed.haiderzadah@haw-hamburg.de Betreuer:

Mehr

Facebook oder Corporate Blog?

Facebook oder Corporate Blog? August 2013 Facebook oder Corporate Blog? von Tilo Hensel Corporate Blogs haben an Popularität verloren Mit der steigenden Popularität der Social Networks allen voran Facebook hat sich das Hauptaugenmerk

Mehr

Ausgewählte Themen des Modellbasierten Sicherheits-Engineerings

Ausgewählte Themen des Modellbasierten Sicherheits-Engineerings 1/ 16 Ausgewählte Themen des Modellbasierten Sicherheits-Engineerings Wintersemester 2014/15 LS14 - Arbeitsgruppe Software Engineering for Critical Systems 9.10.2014 Agenda LS14 - Arbeitsgruppe Software

Mehr

Modellierung eines Epidemie- Frühwarnsystems mit. Nicolas With Master Seminar WS 2012/13

Modellierung eines Epidemie- Frühwarnsystems mit. Nicolas With Master Seminar WS 2012/13 Modellierung eines Epidemie- Frühwarnsystems mit SocialMedia Mining Nicolas With Master Seminar WS 2012/13 Agenda Einstieg Motivation Abgrenzung Ziel Status Projekt 1 Projekt 2 Ausblick Chancen Risiken

Mehr

Seminar Kommunikation und Multimedia

Seminar Kommunikation und Multimedia Seminar Kommunikation und Multimedia Network Security Advanced Network Security Institut für Betriebssysteme und Rechnerverbund Technische Universität Braunschweig 14.04.2010 IBR, TU Braunschweig 1 Ablauf

Mehr

Data-Mining: Ausgewählte Verfahren und Werkzeuge

Data-Mining: Ausgewählte Verfahren und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den

Mehr

SEO 2015. Was nicht geht, kann man nicht verkaufen!

SEO 2015. Was nicht geht, kann man nicht verkaufen! SEO 2015 Was nicht geht, kann man nicht verkaufen! 1 Was man verkaufen kann, muss irgendwie auch gehen! Was man verkaufen kann, wird verkauft. Was interessiert es mich, ob es auch funktioniert? 2 Don t

Mehr

Was nicht geht, kann man nicht verkaufen!

Was nicht geht, kann man nicht verkaufen! SEO 2015 Was nicht geht, kann man nicht verkaufen! Was man verkaufen kann, muss irgendwie auch gehen! Was man verkaufen kann, wird verkauft. Was interessiert es mich, ob es auch funktioniert? Don t Do

Mehr

SOCIAL MEDIA FAKTEN / BEDEUTUNG / UNTERSCHIEDLICHE PLATTFORMEN (ASCO Tag der Beratung - 12. Juni 2012)

SOCIAL MEDIA FAKTEN / BEDEUTUNG / UNTERSCHIEDLICHE PLATTFORMEN (ASCO Tag der Beratung - 12. Juni 2012) SOCIAL MEDIA FAKTEN / BEDEUTUNG / UNTERSCHIEDLICHE PLATTFORMEN (ASCO Tag der Beratung - 12. Juni 2012) Manuel P. Nappo, lic. oec. HSG Leiter Fachstelle Social Media Management Studienleiter CAS Social

Mehr

Web 2.0 und Social Media in Katastrophenschutz. Live Geography. Kombination von VGI-Daten und Sensormessungen für aktuelle Lagekarten.

Web 2.0 und Social Media in Katastrophenschutz. Live Geography. Kombination von VGI-Daten und Sensormessungen für aktuelle Lagekarten. Web 2.0 und Social Media in Katastrophenschutz Live Geography Kombination von VGI-Daten und Sensormessungen für aktuelle Lagekarten Bernd Resch 17 October 2013 VGI4DM ::: Motivation Vision: ubiquitäre

Mehr

Text Mining - Wissensrohstoff Text

Text Mining - Wissensrohstoff Text Text Mining - Wissensrohstoff Text Gerhard Heyer Universität Leipzig heyer@informatik.uni-leipzig.de Institut für Informatik Definitionen soziale Netzwerke 2 Soziale Netzwerke Mit dem Terminus soziale

Mehr

Themenvorstellung für Seminare im Sommersemester 2014

Themenvorstellung für Seminare im Sommersemester 2014 Themenvorstellung für Seminare im Sommersemester 2014 Agenda Organisatorisches & Termine Vorstellung der Seminarthemen für Automotive Software Engineering (Bereich SWT) Software Engineering verteilter

Mehr

Seminar Wirtschaftsinformatik II B.Sc.

Seminar Wirtschaftsinformatik II B.Sc. Seminar Wirtschaftsinformatik II B.Sc. Prof. Dr. Harald Ritz Sommersemester 2011 Organisatorisches Bewertungsgrundlage Seminar Wirtschaftsinformatik II (B.Sc.) (2 SWS): Vortragsdauer: eine Person, 60 min

Mehr

Infrastructures for BIG DATA. Ulf Leser

Infrastructures for BIG DATA. Ulf Leser Infrastructures for BIG DATA Ulf Leser Pennisi, E. (2011). Science Ulf Leser: Infrastructures for BIG DATA, Winter Semester 2014/2015 2 Scary Trends Ulf Leser: Infrastructures for BIG DATA, Winter Semester

Mehr

Magisterarbeit im Studiengang Internationales Informationsmanagement vorgelegt von Ben Heuwing, Universität Hildesheim

Magisterarbeit im Studiengang Internationales Informationsmanagement vorgelegt von Ben Heuwing, Universität Hildesheim ISI 2009 Konstanz - Information: Droge, Ware oder Commons? Session 9: Gerhard-Lustig-Preis 2.4.2009 Tagging für das persönliche und kollaborative Informationsmanagement: Implementierung eines Social-Software

Mehr

Exploration und Klassifikation von BigData

Exploration und Klassifikation von BigData Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)

Mehr

Social Media bei DATEV Handlungsfelder und Erkenntnisse

Social Media bei DATEV Handlungsfelder und Erkenntnisse 10. April 2012, 14:30 15:30 Social Media bei DATEV Handlungsfelder und Erkenntnisse Christian Buggisch, Leiter Corporate Publishing, DATEV eg Social Media ist im Alltag angekommen Aber Social Business

Mehr

Datenbanken-Themen im OS "Data Mining" SS 2010

Datenbanken-Themen im OS Data Mining SS 2010 Prof. Dr.-Ing. Thomas Kudraß HTWK Leipzig, FIMN Datenbanken-Themen im OS "Data Mining" SS 2010 Die Vorträge sollten eine Dauer von 60 Minuten (Einzelvortrag) bzw. 45 Minuten (Doppelvortrag) haben. Nachfolgend

Mehr

Wie wichtig ist Social Media Marketing für mein Google Ranking?

Wie wichtig ist Social Media Marketing für mein Google Ranking? Wie wichtig ist Social Media Marketing für mein Google Ranking? 1 Kurzvorstellung adisfaction Fullservice-Digital-Agentur Büros in Meerbusch und Zürich Gegründet 2002, 20 Mitarbeiter Searchmetrics Pionier

Mehr

Web Data Mining. Alexander Hinneburg Sommersemester 2007

Web Data Mining. Alexander Hinneburg Sommersemester 2007 Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining

Mehr

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013 Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien Berlin, Mai 2013 The unbelievable Machine Company? 06.05.13 The unbelievable Machine Company

Mehr

Seminar zur BWL im Wintersemester 2015 / 2016. Maschinenbelegungsplanung in der betrieblichen Fertigung

Seminar zur BWL im Wintersemester 2015 / 2016. Maschinenbelegungsplanung in der betrieblichen Fertigung Institut für Wirtschaftswissenschaft Abteilung für BWL und Unternehmensforschung Prof. Dr. Jürgen Zimmermann (juergen.zimmermann@tu-clausthal.de) Stefan Kreter, M. Sc. (stefan.kreter@tu-clausthal.de) Julius-Albert-Str.

Mehr

Unternehmen und Social Media

Unternehmen und Social Media Unternehmen und Social Media Chancen und Risiken Prof. Dr. Martin. Michelson It takes 20 years to build a reputation and five minutes to ruin it. If you think about that, you'll do things differently (Warren

Mehr

Effizienzmessungen im Social Media Marke5ng

Effizienzmessungen im Social Media Marke5ng Effizienzmessungen im Social Media Marke5ng 6. wissenscha:licher interdisziplinärer Kongress für Dialogmarke5ng Frankfurt, den 28. September 2011 Prof. Dr. Heike - Simmet Gliederung 1) Ausgangssitua2on

Mehr

1. Was ist Social-Media? 2. Die 7-Social-Media-Bausteine. 3. Anwendungen. 4. Plattformen. 5. Vorstellung einiger Plattformen

1. Was ist Social-Media? 2. Die 7-Social-Media-Bausteine. 3. Anwendungen. 4. Plattformen. 5. Vorstellung einiger Plattformen Der Unterschied zwischen PR (Public relations) und Social Media ist der, dass es bei PR um Positionierung geht. Bei Social Media dagegen geht es darum zu werden, zu sein und sich zu verbessern. (Chris

Mehr

Ego-Marketing. Open Summit / Thema: Ego-Marketing / Trainer: Michael Frank Neuhaus / Stand: 24.6.14 / www.adthink.

Ego-Marketing. Open Summit / Thema: Ego-Marketing / Trainer: Michael Frank Neuhaus / Stand: 24.6.14 / www.adthink. Was versteht man unter? Selbst-Marketing Verwandte Begriffe Personal Branding Online-Reputations-Management http://de.wikipedia.org/wiki/selbstmarketing Definitionen http://de.wikipedia.org/wiki/personal_branding

Mehr

Seminar im Sommersemester 2012 Prozessanalyse und Privatheit in Workflowmanagementsystemen http://dbis.ipd.kit.edu/1848.php

Seminar im Sommersemester 2012 Prozessanalyse und Privatheit in Workflowmanagementsystemen http://dbis.ipd.kit.edu/1848.php Seminar im Sommersemester 2012 Prozessanalyse und Privatheit in Workflowmanagementsystemen http://dbis.ipd.kit.edu/1848.php www.kit.edu 06.09 Veranstalter Institut für Programmstrukturen und Datenorganisation

Mehr

Optische Systeme und Computer Vision. Heinz-Wilhelm Hübers, Ralf Reulke

Optische Systeme und Computer Vision. Heinz-Wilhelm Hübers, Ralf Reulke Optische Systeme und Computer Vision Heinz-Wilhelm Hübers, Ralf Reulke Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Institute of Optical Sensor Systems Humboldt-Universität zu Berlin, Institut

Mehr

Blog Forum - Gästebuch

Blog Forum - Gästebuch Blog Forum - Gästebuch 1 Blog (Weblog, Tagebuch) Von einem Herausgeber (Blogger) werden Beiträge in einer chronologischen Reihenfolge veröffentlicht. Zum Beispiel berichtet er über die neuesten Entwicklungen

Mehr

Methoden und Tools zum automatischen Erkennen von Doing Gender Ein interdisziplinärer Ansatz

Methoden und Tools zum automatischen Erkennen von Doing Gender Ein interdisziplinärer Ansatz Methoden und Tools zum automatischen Erkennen von Doing Gender Ein interdisziplinärer Ansatz Brigitte Krenn, Karin Wetschanow Österreichisches Forschungsinstitut für Artificial Intelligence (OFAI) Universität

Mehr

Social Media als Bestandteil der Customer Journey

Social Media als Bestandteil der Customer Journey Social Media als Bestandteil der Customer Journey Gregor Wolf Geschäftsführer Experian Marketing Services Frankfurt, 19.6.2015 Experian and the marks used herein are service marks or registered trademarks

Mehr

Leitfaden. für die Anfertigung. von. Abschlussarbeiten

Leitfaden. für die Anfertigung. von. Abschlussarbeiten FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Unternehmensrechnung und Controlling Lehrstuhlleiterin: Prof. Dr. Barbara Schöndube-Pirchegger Leitfaden für die Anfertigung

Mehr

Kommunikation 2.0. Studie zur Social Media Nutzung. Wien, Juni 2009. ambuzzador marketing gmbh

Kommunikation 2.0. Studie zur Social Media Nutzung. Wien, Juni 2009. ambuzzador marketing gmbh Kommunikation 2.0 Studie zur Social Media Nutzung Wien, Juni 2009 ambuzzador marketing gmbh Ausgangssituation Social Media Marketing ist in aller Marketing Manager Munde. Facebook, Twitter & Co werden

Mehr

Social Media Marketing

Social Media Marketing Social Media Marketing Relevanz für die Analysen-, Bio- und Labortechnik? Vortrag im Rahmen des Laborforums, 12.05.2011 Felix Beilharz, Deutsches Institut für Marketing Großartige Unternehmen konkurrieren

Mehr

Google - Wie komme ich nach oben?

Google - Wie komme ich nach oben? Vortrag 17.03.2015 IHK Bonn /Rhein -Sieg Google - Wie komme ich nach oben? Internetagentur und Wirtschaftsdienst Bonn 1 Das sagt Google Bieten Sie auf Ihren Webseiten qualitativ hochwertigen Content, besonders

Mehr

Huston, Geoff: Internet Performance Survival Guide, QoS Strategies for Multiservice Networks, John Wiley & Sons, 2000, 550 Seiten, DM 98.

Huston, Geoff: Internet Performance Survival Guide, QoS Strategies for Multiservice Networks, John Wiley & Sons, 2000, 550 Seiten, DM 98. Proseminar Gunter Bolch Informatik 4 SS 2004 Literatur Huston, Geoff: Survival Guide, QoS Strategies for Multiservice Networks, John Wiley & Sons, 2000, 550 Seiten, DM 98. Armitage, Grenville: Quality

Mehr

Überblick. Seminar Beauty is our Business Tipps zur Ausarbeitung. 12.7.2007 Felix Naumann

Überblick. Seminar Beauty is our Business Tipps zur Ausarbeitung. 12.7.2007 Felix Naumann Seminar Beauty is our Business Tipps zur Ausarbeitung 12.7.2007 Felix Naumann Überblick 2 Organisatorisches Tipps zur Ausarbeitung Literatur Ihre Gliederungen 1 Organisatorisches 3 Heute letzter Termin

Mehr

Wie halte ich einen guten Vortrag?

Wie halte ich einen guten Vortrag? Wie halte ich einen guten Vortrag? Seminar des DBIS am IPD im Wintersemester 06/07 - Frank Eichinger / Guido Sautter - Wie halte ich einen guten Vortrag 2 Die Folien Große Schrift (mind. 20 Punkt) Kein

Mehr

Einführung in das wissenschaftliche Arbeiten

Einführung in das wissenschaftliche Arbeiten Einführung in das wissenschaftliche Arbeiten Sommersemester 2015 Siegen, 09.06.2015 Anna Feldhaus Lehrstuhl für Betriebswirtschaftslehre, insb. Personalmanagement und Organisation Universität Siegen Quelle:

Mehr

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt

Was ist Big Data? Versuch einer Positionsbestimmung. Wolfgang Marquardt Was ist Big Data? Versuch einer Positionsbestimmung Wolfgang Marquardt Vorstandsvorsitzender des Forschungszentrum Jülich 02.06.2015 Jahrestagung des deutschen Ethikrates Ganz sicher auch ein Hype hohe

Mehr

SEO. Web-Popularität mit Hilfe von Suchmaschinenoptimierung. Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50

SEO. Web-Popularität mit Hilfe von Suchmaschinenoptimierung. Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50 SEO Web-Popularität mit Hilfe von Suchmaschinenoptimierung Seitwert GmbH Benzenbergstraße 39-47 D-40219 Düsseldorf Telefon: +49 (0)211-749505 - 50 SEO: Web-Popularität mit Hilfe von Suchmaschinenoptimierung

Mehr

Der Einsatz von Social Media im Stadtmarketing. Alexander Masser, Hans-Jürgen Seimetz, Peter Zeile

Der Einsatz von Social Media im Stadtmarketing. Alexander Masser, Hans-Jürgen Seimetz, Peter Zeile Der Einsatz von Social Media im Stadtmarketing Alexander Masser, Hans-Jürgen Seimetz, Peter Zeile Einführung Web 2.0, Facebook, Twitter, Google, Social Media... Was bedeuten diese Schlagwörter für das

Mehr

Wirtschaftsinformatik-Seminar (Master) Sommersemester 2014

Wirtschaftsinformatik-Seminar (Master) Sommersemester 2014 Sommersemester 2014 Prof. Dr. Frédéric Thiesse Lehrstuhl für Wirtschaftsinformatik & Systementwicklung Julius-Maximilians-Universität Würzburg 07.02.2014 Die Studierenden sollen Kompetenzen in folgenden

Mehr

violetkaipa Fotolia.com Texte und Grafiken dürfen unter Angabe der Quelle übernommen werden:

violetkaipa Fotolia.com Texte und Grafiken dürfen unter Angabe der Quelle übernommen werden: PR-Gateway Studie Zukunft der Unternehmenskommunikation violetkaipa Fotolia.com November 2012 Adenion GmbH/PR-Gateway.de Texte und Grafiken dürfen unter Angabe der Quelle übernommen werden: ADENION GmbH

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

#twittwoch #leipzig #220910

#twittwoch #leipzig #220910 #twittwoch #leipzig #220910 social media im business angekommen? nicht repräsentative umfrage unter einigen meiner kunden #wer ist dieser miservice thomas wagner (nicht unister!) seit 1999 selbständig

Mehr

Seminare Softwaretechnik - Einführungsveranstaltung

Seminare Softwaretechnik - Einführungsveranstaltung Seminare Softwaretechnik - Einführungsveranstaltung Stefan Malich Wintersemester 2005/2006 Version 1.0 Lehrstuhl für Wirtschaftsinformatik und Softwaretechnik Prof. Dr. Stefan Eicker 1 Agenda Einführung

Mehr

Seminar im WS 2011/12: Technische Aspekte des Cloud- Computings. Prof. Sergei Gorlatch, Dominik Meiländer, Michel Steuwer

Seminar im WS 2011/12: Technische Aspekte des Cloud- Computings. Prof. Sergei Gorlatch, Dominik Meiländer, Michel Steuwer Seminar im WS 2011/12: Technische Aspekte des Cloud- Computings Prof. Sergei Gorlatch, Dominik Meiländer, Michel Steuwer Fachbereich Mathematik und Informatik Arbeitsgruppe Parallele und Verteilte Systeme

Mehr

Maschinelles Lernen und Data Mining: Methoden und Anwendungen

Maschinelles Lernen und Data Mining: Methoden und Anwendungen Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge

Mehr

Business-Frühstück am 16.5.14. "Ego-Marketing"

Business-Frühstück am 16.5.14. Ego-Marketing Wer Marketing-Berater, Ghostwriter und Social Media-Trainer Was Ich bin seit 1992 als Werbekaufmann tätig und habe 1999 die Ad!Think Werbeagentur für strategische und Medienübergreifende Marketing-Beratung

Mehr

ML-Werkzeuge und ihre Anwendung

ML-Werkzeuge und ihre Anwendung Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig

Mehr

Generierung von Prozesslogs

Generierung von Prozesslogs Generierung von Prozesslogs Seminar Prozessmodellierungsplattform Sommersemester 2010 Prof. Dr. Mathias Weske, Matthias Kunze Thomas Milde Betreuer: Matthias Weidlich 19.07.2010 Motivation 2 Process Mining:

Mehr

Praktisches Studiensemester Arbeitstechniken

Praktisches Studiensemester Arbeitstechniken Praktisches Studiensemester Arbeitstechniken Wintersemester 2012/2013 Foliensatz: Dipl.-Handelslehrer Andreas Heß Erweiterungen, Dozent: Dipl.-Ing. Klaus Knopper Tag 1 Seminar Einführung Ablauf PSA, BA

Mehr

Social Media as Sensors. Nikolai Bock FOSSGIS 2014

Social Media as Sensors. Nikolai Bock FOSSGIS 2014 Social Media as Sensors Nikolai Bock FOSSGIS 2014 Gliederung des Vortrags 1. Hintergrund 2. Sensornetzwerke ( People as Sensors) 3. Social Media / Analyse 4. FlexSensor Ansatz 5. Ausblick Tweetmap Projektarbeit

Mehr

Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer

Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer Verkaufen im 21. Jahrhundert Wir stellen vor: SAP Cloud for Customer SAP Forum Baden, 11. Juni 2013 Kirsten Trocka Senior Industry Advisor, SAP Cloud Solutions SAP (Schweiz) AG Agenda Die Customer Cloud

Mehr

Einstieg in Text Analytics

Einstieg in Text Analytics , Einstieg in Text Analytics Einstieg in Text Analytics Von der Datenquelle zum Bericht und darüber hinaus... KSFE in Dresden, 09.03.2012 2012 GmbH ist IT Dienstleister für Business Intelligence und Datenanalyse

Mehr

Mining top-k frequent itemsets from data streams

Mining top-k frequent itemsets from data streams Seminar: Maschinelles Lernen Mining top-k frequent itemsets from data streams R.C.-W. Wong A.W.-C. Fu 1 Gliederung 1. Einleitung 2. Chernoff-basierter Algorithmus 3. top-k lossy counting Algorithmus 4.

Mehr

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte

Mehr

Zuhörer muss mit Thema vertraut werden Zuhörer müssen inhaltlich und logisch folgen können

Zuhörer muss mit Thema vertraut werden Zuhörer müssen inhaltlich und logisch folgen können Inhalt 2/17 Hinweise zur Präsentationsausarbeitung und zu Vorträgen Die folgenden Folien sollen für die Vorbereitung von Präsentation eine einführende Hilfe darstellen. Es werden Hinweise zur Strukturierung

Mehr

SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN

SOZIALES BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN SOZIALES" BRANCHENGEFLÜSTER ANALYSIERT DER SOCIAL MEDIA-MONITOR FÜR BANKEN CHRISTIAN KÖNIG BUSINESS EXPERT COMPETENCE CENTER CUSTOMER INTELLIGENCE Copyr i g ht 2012, SAS Ins titut e Inc. All rights res

Mehr

AGAPLESION ELISABETHENSTIFT. Social Media in einem mittelständischen Unternehmen

AGAPLESION ELISABETHENSTIFT. Social Media in einem mittelständischen Unternehmen AGAPLESION ELISABETHENSTIFT Social Media in einem mittelständischen Unternehmen _Überblick 1. Entwicklung und Einordnung 2. Kanäle 3. Strategie 4. Umsetzung 5. Evaluation 6. Empfehlungen 4 Agenturpräsentation

Mehr

Seminar Datenschutz und Gesellschaft

Seminar Datenschutz und Gesellschaft Seminar Datenschutz und Gesellschaft Herzlich Willkommen zur Vorbesprechung! Folie 1 Seminar im Wintersemester 08/09 (IPD & ZAK) Datenschutz und Gesellschaft Webseite: Betreuer: http://dbis.ipd.uni-karlsruhe.de/1109.php,

Mehr

Onlinemarketing. Brauchen Gründer eine Webseite?

Onlinemarketing. Brauchen Gründer eine Webseite? Onlinemarketing Brauchen Gründer eine Webseite? Gliederung 1. Warum brauchen Gründer eine Webseite? 2. Wie muss die Webseite aussehen? 3. Was ist Onlinemarketing? 4. Warum sollten Gründer Onlinemarketing

Mehr

Unternehmenskommunika.on auf neuen Wegen. Wirkungen und Akzeptanz aus Konsumentenperspek.ve

Unternehmenskommunika.on auf neuen Wegen. Wirkungen und Akzeptanz aus Konsumentenperspek.ve Unternehmenskommunika.on auf neuen Wegen Wirkungen und Akzeptanz aus Konsumentenperspek.ve Abgabetermine Seminararbeiten Präsentationen Datum: 12. Juli 2015 Bis zum 09. Juli 2015 per E-Mail an den Betreuer

Mehr

Compliance Monitoring mit PROTECHT.ERM

Compliance Monitoring mit PROTECHT.ERM covalgo consulting GmbH Operngasse 17-21 1040 Wien, Austria www.covalgo.at Compliance Monitoring mit PROTECHT.ERM Autor: DI Mag. Martin Lachkovics, Dr. Gerd Nanz Datum: 20. Oktober 2014, 29. April 2015

Mehr

7 Schritte zur Online Akquise durch Inbound Marketing. Kundenakquise im Internet durch Inbound Marketing

7 Schritte zur Online Akquise durch Inbound Marketing. Kundenakquise im Internet durch Inbound Marketing 7 Schritte zur Online Akquise durch Inbound Marketing Kundenakquise im Internet durch Inbound Marketing Was ist Inbound Marketing? Auch im B2B informiert man sich zunächst online über bestimmte Produkte

Mehr

Risiken bei der Analyse sehr großer Datenmengen. Dr. Thomas Hoppe

Risiken bei der Analyse sehr großer Datenmengen. Dr. Thomas Hoppe Risiken bei der Analyse sehr großer Datenmengen Dr. Thomas Hoppe Datenaufbereitung Datenanalyse Data Mining Data Science Big Data Risiken der Analyse Sammlung Integration Transformation Fehlerbereinigung

Mehr