Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester Prof. Dr. R. D. Reiß

Größe: px
Ab Seite anzeigen:

Download "Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß"

Transkript

1 Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß

2 Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche nach Gesetzmäßigkeiten in großen Datenbeständen, wie sie beispielsweise in unternehmensweiten Datenbanken auftreten. Hier besteht ein enger Zusammnenhang zu statistischen Fragestellungen Motivation Data Mining ist in vielen Bereichen (Wirtschaft, Forschung) von wachsender Relevanz: Entstehung riesiger Datenmengen z.b. in Unternehmen, Forschungsprojekten, Verwaltungen oder im Internet Data Mining ermöglicht die automatische Analyse solcher Datenbestände mit Hilfe statistischer Verfahren Ziel: Erkennen von Regeln und Mustern bzw. statistischen Auffälligkeiten Wichtig: Gründliche Vorbereitung der Daten für eine Fehlervermeidung Beispiel: Geschäftsstrategien; Änderung im Verhalten von Kunden oder Kundengruppen Ziel dieser Veranstaltung ist den Studierenden Data Mining Verfahren und deren statistische Hintergründe zu vermitteln, sowie deren Anwendung auf Datensätze (z.b. Finanzdaten, Umweltdaten,...) mit Hilfe der statistischen Software R und Clementine). Software Im Rahmen dieser Veranstaltung wird die freie Software R, sowie die kommerzielle Software Clementine, eingesetzt. R ist eine (open source) Matrix orientierte Programmiersprache mit integrierten mathematischen und statistischen Funktionen sowie Routinen zur Erstellung hochauflösender Graphiken. Externe (Macro-) Bibliotheken sind weltweit vorhanden, so dass praktisch für alle statistischen Verfahren Routinen zur Verfügung stehen. R ist plattformunabhängig und ist frei aus dem Internet verfügbar (www.rproject.org). Clementine ist eine Data Mining Software mit graphischer Benutzeroberfläche. Sie wird vertrieben von SPSS und ist in der Wirtschaft weit verbreitet. 2

3 Stichworte Entscheidungsbäume, Diskriminanzanalyse, Bayessche Verfahren, Regression, interaktive Visualisierungen, Ensemble-Methoden, Gewinnung von Assoziationsregeln, Clusteranalyse, statistische Kontrolle der Verfahren, Markov Chain Monte Carlo Methode Vorkenntnisse Grundvorlesungen in Mathematik, Grundkenntnisse in Stochastik, z.b. im Umfang der Stochastik I oder Data Mining I. Lehrpersonal Dozent: Prof. Dr. R. D. Reiß, Raum EN B 214, Tel.: 0271/ , Übungsleiter: Msc. Ulf Cormann, Raum EN B 218, Tel.: 0271/ , Literatur Online Data mining with R, Luís Torgo ltorgo/dataminingwithr/ An introduction to R online manual CRoss Industry Standard Process for Data Mining Introduction to Data Mining and Knowledge Discovery Literatur The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Trevor HASTIE, Robert TIBSHIRANI,and Jerome FRIEDMAN. New York: Springer-Verlag, ISBN Data mining techniques for marketing, sales and customer relationship management by Michael Berry and Gordon Linoff, 2004, John Wiley. 3

4 Mastering Data Mining: The Art and Science of Customer Relationship Management by Michael J. A. Berry, Gordon S. Linoff, January 2000, John Wiley, ISBN: Exploratory Data Mining and Data Cleaning by Tamraparni Dasu, Theodore Johnson, May Statistics: An Introduction using R by Michael J. Crawley, March 2005, Wiley: ISBN: Introductory Statistics with R by Peter Dalgaard, 2002, Springer. Data mining techniques by M. Hegland (2001), Acta Numerica, Termine Gliederung Vorlesung: Do Uhr EN D 115 Fr Uhr EN D 223 Übungen: Fr Uhr EN B 222 (Cippool) 0. Prolog, interaktive Datenanalyse 1. Assoziationsanalyse, Warenkorbanalyse 2. Regression und neuronale Netze 3. Klassifikation Lernziele 3.1 Naive Bayes Klassifikation 3.2 Klassifikation durch Regression und neuronale Netze 3.3 Diskriminanzanalyse: Bayes scher Ansatz 3.4 Entscheidungsbäume, CART Am Ende dieser Veranstaltung verfügen die Studierenden über Verständnis der Prinzipien und Konzepte des Data Mining, die Fähigkeit zur Zusammenfassung und visueller Darstellung von Daten, Verständnis der wesentlichen Methoden des Data Mining, sowie die Fähigkeit diese umzusetzen 4

5 Softskills Zusätzlich zur fachlichen Ausbildung soll diese Veranstaltung den Studierenden die Möglichkeit zum Erwerb bzw. zur Verbesserung von Softskills bieten. Trainieren von Teamarbeit, Gelegenheit zur Übung von Vorträgen, Fähigkeit verschiedene Software zur Problemlösung einzusetzen Prüfungsmodalitäten Ein Schein kann erworben werden, indem in den begleitenden Computerübungen die in der Vorlesung eingeführten Data Mining Verfahren in ein R Programm umgesetzt werden. Studierende des Master Studiengangs Mathematik können nach Erwerb der Scheine in den Veranstaltungen Data Mining und Statistical Computing im Anschluß eine mündliche Fachprüfung im Modul Computational Statistics ablegen. 5

Bioinformatik I (Einführung)

Bioinformatik I (Einführung) Kay Diederichs, Sommersemester 2015 Bioinformatik I (Einführung) Algorithmen Sequenzen Strukturen PDFs unter http://strucbio.biologie.unikonstanz.de/~dikay/bioinformatik/ Klausur: Fr 17.7. 10:00-11:00

Mehr

Übergangsbestimmungen für die Informatikstudien anlässlich der Änderungen mit 1.10.2009

Übergangsbestimmungen für die Informatikstudien anlässlich der Änderungen mit 1.10.2009 Übergangsbestimmungen für die studien anlässlich der Änderungen mit 1.10.2009 Studienkommission Bachelorstudium Data Engineering & Statistics Dieses Studium kann ab Wintersemester 2009 nicht mehr neu begonnen

Mehr

Seminar Visual Analytics and Visual Data Mining

Seminar Visual Analytics and Visual Data Mining Seminar Visual Analytics and Visual Data Mining Dozenten:, AG Visual Computing Steffen Oeltze, AG Visualisierung Organisatorisches Seminar für Diplom und Bachelor-Studenten (max. 18) (leider nicht für

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS.

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS. Modulnummer 8 a 8 c Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3 Kurzbezeichnung Semeste Anzahl der SWS Häufigkeit des - r 12 Angebots 1 oder 2 jedes Semester/jedes

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

Visual Business Intelligence Eine Forschungsperspektive

Visual Business Intelligence Eine Forschungsperspektive Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49

Mehr

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein Alles für den Kunden Analyse von Kundendaten Katrin Plickert, Heiko Hartenstein Zum Verständnis 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 2 Quelle: Heilmann, Kempner, Baars: Business and Competitive

Mehr

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

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

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

Lehrstuhl für Betriebswirtschaftslehre, insbesondere Marketing

Lehrstuhl für Betriebswirtschaftslehre, insbesondere Marketing Lehrstuhl für Betriebswirtschaftslehre, insbesondere Marketing Besucheranschrift: Helmholtzstraße 10 (Hülsse-Bau N 507a), 01069 Dresden Postanschrift: TU Dresden, Fakultät Wirtschaftswissenschaften, 0106

Mehr

Data Mining für die industrielle Praxis

Data Mining für die industrielle Praxis Data Mining für die industrielle Praxis von Ralf Otte, Viktor Otte, Volker Kaiser 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22465 0 Zu Leseprobe schnell und

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

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)

Mehr

Modulbezeichnung Praktisches Studiensemester / Begleitseminar. Die Studierenden sollen folgende Kenntnisse, Fertigkeiten und Kompetenzen erwerben:

Modulbezeichnung Praktisches Studiensemester / Begleitseminar. Die Studierenden sollen folgende Kenntnisse, Fertigkeiten und Kompetenzen erwerben: Modulbeschreibung Code V Modulbezeichnung Praktisches Studiensemester / Begleitseminar Beitrag des Moduls zu den Studienzielen Qualifikationsziele (vgl. Leitfaden Punkt 3) Die Studierenden sollen folgende

Mehr

12. LMS Konferenz RLP

12. LMS Konferenz RLP 12. LMS Konferenz RLP Berufsbegleitende und Präsenz-Lehrveranstaltungen mit OpenOLAT Manfred Brill Hochschule Kaiserslautern Fachbereich Informatik und Mikrosystemtechnik 12. LMS Konferenz RLP Lessons

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

Statistik und Datenanalyse. eine praktische Einführung

Statistik und Datenanalyse. eine praktische Einführung Statistik und Datenanalyse eine praktische Einführung Antony Unwin Lehrstuhl für Rechnerorientierte Statistik und Datenanalyse Institut für Mathematik Universität Augsburg unwin@math.uni-augsburg.de Augsburger

Mehr

Computerorientiertes Problemlösen

Computerorientiertes Problemlösen 1 / 13 Computerorientiertes Problemlösen 22. 26. September 2014 Steffen Basting WS 2014-2015 2 / 13 Organisatorisches 22.09. 26.09. Zeit Mo Di Mi Do Fr 11:00 bis 13:00 13:00 bis 15:30 15:30 bis 18:00 Vorlesung:

Mehr

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28. PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt

Mehr

Visuelle Analyse und Entscheidungsunterstützung

Visuelle Analyse und Entscheidungsunterstützung Visuelle Analyse und Entscheidungsunterstützung Dr. Jörn Kohlhammer Fraunhofer IGD 5.-7. November 2007 EpiGrid, FernUniversität in Hagen Überblick Visuelle Analyse Aktuelle Ansätze Vorstellung Fraunhofer

Mehr

Statistische Methoden der Datenanalyse

Statistische Methoden der Datenanalyse Aktuelle Probleme der experimentellen Teilchenphysik (Modul P23.1.2b) Statistische Methoden der Datenanalyse Ulrich Husemann Humboldt-Universität zu Berlin Wintersemester 2010/2011 Vorstellung Vorlesung:

Mehr

R-Akademie Kursangebot November 2012

R-Akademie Kursangebot November 2012 Kooperationspartner der R-Akademie Kursangebot November 2012 Was ist R? R ist eine Open Source Programmiersprache zur statistischen Datenanalyse und -visualisierung. Mittlerweile hat sich R, neben den

Mehr

Data Mining im Einzelhandel Methoden und Werkzeuge

Data Mining im Einzelhandel Methoden und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Professur Technische Informationssysteme Proseminar Technische Informationssysteme Data Mining im Einzelhandel Methoden und Werkzeuge Betreuer: Dipl.-Ing.

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

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

WEKA A Machine Learning Interface for Data Mining

WEKA A Machine Learning Interface for Data Mining WEKA A Machine Learning Interface for Data Mining Frank Eibe, Mark Hall, Geoffrey Holmes, Richard Kirkby, Bernhard Pfahringer, Ian H. Witten Reinhard Klaus Losse Künstliche Intelligenz II WS 2009/2010

Mehr

Text-Mining: Einführung

Text-Mining: Einführung Text-Mining: Einführung Claes Neuefeind Fabian Steeg 22. April 2010 Organisatorisches Was ist Text-Mining? Definitionen Anwendungsbeispiele Textuelle Daten Aufgaben u. Teilbereiche Literatur Kontakt Sprechstunde:

Mehr

Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft

Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft Expertise für Ihre Datenanalyse Beratung und Schulungen von StatSoft Inhalt Inhalt Consulting / Workshops 2 Programmierung / Automatisierung 3 Validierung 3 Schulungen Softwareunabhängige Methodenschulungen

Mehr

Data-Mining und Knowledge Discovery in Databases (KDD) Ein Überblick

Data-Mining und Knowledge Discovery in Databases (KDD) Ein Überblick Institut für Angewandte Informatik Professur für Technische Informationssysteme Fakultätsname XYZ Fachrichtung XYZ Institutsname XYZ, Professur XYZ Data-Mining und Knowledge Discovery in Databases (KDD)

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen

Mehr

Lehrveranstaltungen SS 2012

Lehrveranstaltungen SS 2012 Lehrveranstaltungen SS 2012 Grundlagenmodule der Informatik (1. - 4. Fachsemester Bachelor) Modul: Grundlagen der Technischen Informatik (Informatik II) Creditpoints: 10 Aufnahmekapazität für Studium Universale.

Mehr

26. GIL Jahrestagung

26. GIL Jahrestagung GeorgAugustUniversität Göttingen 26. GIL Jahrestagung Einsatz von künstlichen Neuronalen Netzen im Informationsmanagement der Land und Ernährungswirtschaft: Ein empirischer Methodenvergleich Holger Schulze,

Mehr

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH KURSE 2014 Praxisorientierte Weiterbildung dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH TELEFON (+41) 44 266 90 30 FAX (+41) 44 266 90 39 E-MAIL INFO@DYNELYTICS.COM Dynelytics IBM SPSS-Kurse 2014

Mehr

Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie

Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie Stand: 1.12.2014 Die folgende Übersicht enthält einen Rahmenterminplan für die Prüfungszeiten nach der Änderung der Prüfungsordnung,

Mehr

Einführung in Data-Mining mit analytischen Funktionen und R

Einführung in Data-Mining mit analytischen Funktionen und R Einführung in Data-Mining mit analytischen Funktionen und R Vladimir Poliakov Nürnberg Schlüsselworte Analytics, Statistik, OLAP, Data-Mining, R, R Software, R Commander, RStudio, Rattle Package, analytische

Mehr

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016 Citizen Data Science Balázs Bárány Linuxwochen Wien 2016 29. April 2016 Inhalt Einführung: Data Science Werkzeuge und Methoden Citizen Data Science Daten holen Daten verstehen Daten-Vorverarbeitung Prädiktive

Mehr

A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt

A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt Lehre A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt Michael Falk Frank Marohn Lehrstuhl für Statistik, Universität Würzburg Lehrstuhl für Statistik, Universität Würzburg Am

Mehr

Data Mining und maschinelles Lernen

Data Mining und maschinelles Lernen Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:

Mehr

> Systems Engineering

> Systems Engineering > Systems Engineering Prof. Dr. Ulrich Walter LRT Systems Engineering (Prof. Dr. Walter) Termine und Ansprechpartner Vorlesungstermine: Mo 14.30 16.00 h, MW 0250 Erster Termin: 16. 04. 2012 Ansprechpartner:

Mehr

Entscheidungsunterstützende Systeme

Entscheidungsunterstützende Systeme Entscheidungsunterstützende Systeme (WS 015/016) Klaus Berberich (klaus.berberich@htwsaar.de) Rainer Lenz (rainer.lenz@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)

Mehr

Service-Veranstaltungen für Studierende anderer Fachbereiche

Service-Veranstaltungen für Studierende anderer Fachbereiche Service-Veranstaltungen für Studierende anderer Studienprojekt Quality & Usability Projekt, 4.0 SWS Aktuelle Themen aus dem Forschungsschwerpunkt des Fachgebietes werden bezüglich der notwendigen Grundlagen

Mehr

On the Use of Optimization for Data Mining

On the Use of Optimization for Data Mining On the Use of Optimization for Data Mining Theoretical Interactions and ecrm Opportunities Hannes Laber Sommersemester 2004 Seminararbeit an der Abteilung für Informationswirtschaft Wirtschaftsuniversität

Mehr

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik) Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,

Mehr

Kampagnenmanagement der 4. Generation:

Kampagnenmanagement der 4. Generation: Kampagnenmanagement der. Generation: Proaktive, integrierte Optimierung von Kundenkontakten und Kampagnenzielgruppen Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität

Mehr

MythMiner. Ein Empfehlungssystem für Fernsehprogramme auf Basis von RapidMiner. Balázs Bárány. Linuxwochen Wien, 7. 5. 2011

MythMiner. Ein Empfehlungssystem für Fernsehprogramme auf Basis von RapidMiner. Balázs Bárány. Linuxwochen Wien, 7. 5. 2011 Voraussetzungen für Data Mining und Text Mining Schluÿ Ein Empfehlungssystem für Fernsehprogramme auf Basis von RapidMiner Linuxwochen Wien, 7. 5. 2011 Voraussetzungen für Data Mining und Text Mining Schluÿ

Mehr

KURSE 2012. Praxisorientierte. Weiterbildung SPSS

KURSE 2012. Praxisorientierte. Weiterbildung SPSS KURSE 2012 Praxisorientierte Weiterbildung SPSS KURSE 2012 1 2 3 4 5 6 7 EINFÜHRUNGSKURS ARBEITEN MIT IBM SPSS STATISTICS IBM SPSS STATISTICS IN DER MEDIZIN PRAKTISCHE EINFÜHRUNG IN DIE QUANTITATIVE MARKTFORSCHUNG

Mehr

Mehrwert und konkreter Nutzen durch Data Mining + Advanced Analytics mit IBM SPSS

Mehrwert und konkreter Nutzen durch Data Mining + Advanced Analytics mit IBM SPSS Mehrwert und konkreter Nutzen durch Data Mining + Advanced Analytics mit IBM SPSS Fachhochschulstudiengänge Burgenland Dr. Maximilian Kobler Mag. Walter Strasser Vorstellung & Kontaktdaten Dr. Maximilian

Mehr

Softwaremanufaktur AW-SYSTEMS Kompetenzprofil Nugget

Softwaremanufaktur AW-SYSTEMS Kompetenzprofil Nugget Softwaremanufaktur AW-SYSTEMS Kompetenzprofil Nugget Ansprechpartner/in: Frau Anja Klimek Tel. +49 (5341) 29359-20 E-Mail: a.klimek@aw-systems.net Website: www.aw-systems.net AW-SYSTEMS GmbH Moränenweg

Mehr

Finanzmarktökonometrie:

Finanzmarktökonometrie: Dr. Walter Sanddorf-Köhle Statistik und Ökonometrie Rechts- und Wirtschaftswissenschaftliche Fakultät UNIVERSITÄT DES SAARLANDES Statistik und Ökonometrie Sommersemester 2013 Finanzmarktökonometrie: Einführung

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN INFORMATIONEN ZU DEN WAHLPFLICHTMODULEN IM BACHELORSTUDIENGANG IN MANAGEMENT & ECONOMICS AGENDA Was ist OR / Management Science Wer kann

Mehr

MS SQL Server 2012 (4)

MS SQL Server 2012 (4) MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql

Mehr

Prof. Dr.-Ing. Rainer Schmidt 1

Prof. Dr.-Ing. Rainer Schmidt 1 Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2

Mehr

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com Kurse 2013 SPSS kurse 2013 1 2 3 4 5 6 7 Einführungskurs Arbeiten mit IBM SPSS Statistics IBM SPSS Statistics in der Medizin Praktische Einführung in die quantitative Marktforschung Vertiefungskurs Arbeiten

Mehr

Amtliche Bekanntmachungen

Amtliche Bekanntmachungen Amtliche Bekanntmachungen Herausgegeben von der Präsidentin der Fachhochschule Münster Hüfferstraße 7 819 Münster Fon +9 51 83-600 1.07.01 Vierte Ordnung zur Änderung der Besonderen Bestimmungen der Prüfungsordnung

Mehr

Customer Relationship Ana lyt ics

Customer Relationship Ana lyt ics Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung

Mehr

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung Ermittlung von Assoziationsregeln aus großen Datenmengen Zielsetzung Entscheidungsträger verwenden heutzutage immer häufiger moderne Technologien zur Lösung betriebswirtschaftlicher Problemstellungen.

Mehr

Master of Science Wirtschaftsinformatik an der TU Ilmenau - Informationen für Studierende. Univ.-Prof. Dr. Volker Nissen, FG WI für Dienstleistungen

Master of Science Wirtschaftsinformatik an der TU Ilmenau - Informationen für Studierende. Univ.-Prof. Dr. Volker Nissen, FG WI für Dienstleistungen Master of Science Wirtschaftsinformatik an der TU Ilmenau - Informationen für Studierende Univ.-Prof. Dr. Volker Nissen, FG WI für Dienstleistungen 16.06.2010 Seite 1 Bachelor-Master-Studium Bachelor Master-

Mehr

Management Support Systeme

Management Support Systeme Management Support Systeme WS 24-25 4.-6. Uhr PD Dr. Peter Gluchowski Folie Gliederung MSS WS 4/5. Einführung Management Support Systeme: Informationssysteme zur Unterstützung betrieblicher Fach- und Führungskräfte

Mehr

Räumliches Data Mining

Räumliches Data Mining Räumliches Data Mining Spatial Data Mining Data Mining = Suche nach "interessanten Mustern" in sehr großen Datensätzen => explorative Datenanlyse auch: Knowledge Discovery in Databases (KDD) verbreitete

Mehr

Modulhandbuch für den Studiengang Informationswissenschaft und Sprachtechnologie

Modulhandbuch für den Studiengang Informationswissenschaft und Sprachtechnologie Modulhandbuch für den Studiengang Informationswissenschaft und Sprachtechnologie im Masterstudium der Philosophischen Fakultät der Heinrich-Heine-Universität Düsseldorf Stand: 07/2014 PO 2011/PO 2013 Inhaltsübersicht

Mehr

Übersicht über den Studiengang

Übersicht über den Studiengang Inhaltsübersicht - Übersicht über den Studiengang - Modellstudienpläne - Übersicht Vertiefungen (optional) - Modellstudienpläne "Research Track" (optional) Übersicht über den Studiengang Varianten "Ohne

Mehr

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz

SAS Education. Grow with us. Anmeldung bei SAS Education. Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz 2015 SAS Education Kurstermine Juli Dezember 2015 für Deutschland, Österreich und die Schweiz Anmeldung bei SAS Education Deutschland www.sas.de/education Tel. +49 6221 415-300 education@ger.sas.com Fax

Mehr

Data Mining als Arbeitsprozess

Data Mining als Arbeitsprozess Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining

Mehr

Effzienzsteigerung durch intelligentes Datenmanagement

Effzienzsteigerung durch intelligentes Datenmanagement Effzienzsteigerung durch intelligentes Datenmanagement Analyse, Optimierung, Steuerung und Prognose von Prozessen Dr. Thomas Natschläger +43 7236 3343 868 thomas.natschlaeger@scch.at www.scch.at Das SCCH

Mehr

Master Informatik (M.Sc.)

Master Informatik (M.Sc.) Master Informatik (M.Sc.) Das berufsintegrierte Masterstudium der DHBW Stuttgart Besuchen Sie uns im Internet www.dhbw-stuttgart.de/master-informatik Intensivstudium mit Erfolg Das Studienkonzept Berufsintegriertes

Mehr

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden

Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Qualitäts- und Kostenoptimierung von verfahrenstechnischen Prozessen mit Data-Mining-Methoden Dr. Thomas Bernard 6. Karlsruher Automations-Treff (KAT) Leit- und Automatisierungstechnik der Zukunft Karlsruhe,

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

Wichtiges zu Seminarvortrag und Hausarbeit

Wichtiges zu Seminarvortrag und Hausarbeit Wichtiges zu Seminarvortrag und Hausarbeit Seminar "Regularisierung und psychometrische Latent Trait Ansätze" Institut für Statistik LMU München Sommersemester 2013 Überblick Der Vortrag Ziel, Inhalt und

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

Mehr

Ausführungsbestimmungen des. des Bachelor of Science Studienganges

Ausführungsbestimmungen des. des Bachelor of Science Studienganges Aufgrund der Genehmigung des Präsidiums der TU Darmstadt vom 8. Juli 2011 (Az.: 652-7-1) werden die Ausführungsbestimmungen des Fachbereichs Informatik vom 30.06.2011 zu den Allgemeinen Prüfungsbestimmungen

Mehr

Kybernetik Einführung

Kybernetik Einführung Kybernetik Einführung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 24. 04. 2012 Einführung Was ist Kybernetik? Der Begriff Kybernetik wurde im 1948

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Einführungsveranstaltung zum. Masterstudiengang Kundenbeziehungsmanagement

Einführungsveranstaltung zum. Masterstudiengang Kundenbeziehungsmanagement Einführungsveranstaltung zum Masterstudiengang Kundenbeziehungsmanagement 08.10.2015 Kundenbeziehungsmanagement Systematischer Aufbau und aktive Pflege von Kundenbeziehungen langfristige Bindung profitabler

Mehr

Prüfungsplan Master of Science in Wirtschaftsinformatik

Prüfungsplan Master of Science in Wirtschaftsinformatik Prüfungsplan Master of Science in Wirtschaftsinformatik Modul Art Creditpunkte Schwerpunkt Very Large Business Applications Module aus dem Bereich Wirtschaftsinformatik SWS Empfohlenes Semester Prüfungsart

Mehr

Seminar Objekterkennung in Bildern und Videos WS 2008/2009. - Einführung - Sandra Witt Lehrstuhl Multimedia Computing Universität Augsburg

Seminar Objekterkennung in Bildern und Videos WS 2008/2009. - Einführung - Sandra Witt Lehrstuhl Multimedia Computing Universität Augsburg Seminar Objekterkennung in Bildern und Videos WS 2008/2009 - Einführung - Sandra Witt Lehrstuhl Multimedia Computing Universität Augsburg Überblick Wozu Seminare? Organisatorisches Literaturrecherche Vortrag

Mehr

Mathematisch-algorithmische Grundlagen für Big Data

Mathematisch-algorithmische Grundlagen für Big Data Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2016

Mehr

Vgl. die Literaturangaben bzw. Hinweise der einzelnen Lehrveranstaltungen

Vgl. die Literaturangaben bzw. Hinweise der einzelnen Lehrveranstaltungen Modulbeschreibung VI.5.5 Modulbezeichnung Supply-Chain-Management Beitrag des Moduls zu den Studienzielen Die Studierenden erwerben vertieftes Wissen über unternehmensübergreifenden Wertschöpfungsketten

Mehr

Fakultät für Wirtschaftswissenschaften Einführungsveranstaltung für Studienanfänger 8. Oktober 2015. Masterstudiengang Value Chain Management

Fakultät für Wirtschaftswissenschaften Einführungsveranstaltung für Studienanfänger 8. Oktober 2015. Masterstudiengang Value Chain Management 8. Oktober 2015 Masterstudiengang Value Chain Management Value Chain Management Management betrieblicher Wertschöpfungsketten Der Weg eines Produktes vom Lieferanten über den Hersteller hin zum Endkunden

Mehr

Die Integration von Data-Mining in die Geschäftsprozesse von Versicherungsunternehmen

Die Integration von Data-Mining in die Geschäftsprozesse von Versicherungsunternehmen Die Integration von Data-Mining in die Geschäftsprozesse von Versicherungsunternehmen Systematische Potenzialanalyse und ein generisches Prozessmodell Berlin, 22.03.2006 Andreas Reuß Universität Ulm Sektion

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

Studiengang Master Wirtschaftspsychologie (Prüfungsordnung_2015)

Studiengang Master Wirtschaftspsychologie (Prüfungsordnung_2015) 1 Fakultät für Psychologie (Stand: 23.10.2015) Studiengang Master Wirtschaftspsychologie (Prüfungsordnung_2015) 1. Semester BEREICH ARBEITS- & ORGANISATIONSPSYCHOLOGIE Modul Arbeits- & Organisationspsychologie

Mehr

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3 xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable

Mehr

Projektaufgaben Block 2

Projektaufgaben Block 2 Kurs BZQ III - Stochastikpraktikum WS 2013/14 Humboldt-Universität zu Berlin Randolf Altmeyer Philip-Moritz Eckert Projektaufgaben Block 2 Abgabe: bis 10.12.2013 Zur Einstimmung (freiwillig, ohne Abgabe)

Mehr

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide

Mehr

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS

WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST? BERNADETTE FABITS WEBINAR@LUNCHTIME THEMA: WAS MACHT EIGENTLICH EIN DATA SCIENTIST?" BERNADETTE FABITS HINEIN GEHÖRT DATA SCIENTIST, STATISTIKER, DATA MINER, ANALYST,. Gibt es noch mehr von denen. die arbeiten mit Big Data

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

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc. Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken

Mehr

Informationskompetenz - Was macht die Bibliothek der Universität Konstanz?

Informationskompetenz - Was macht die Bibliothek der Universität Konstanz? Informationskompetenz - Was macht die Bibliothek der Universität Konstanz? Vortrag im Rahmen der Weiterbildung zum Thema Informationskompetenz Oberwolfach, 24.-28. Oktober 2005 Überblick 1. Die Ausgangssituation

Mehr

50/11. Amtliches Mitteilungsblatt. 21. Dezember 2011. Seite. Zweite Ordnung zur Änderung der Studienordnung

50/11. Amtliches Mitteilungsblatt. 21. Dezember 2011. Seite. Zweite Ordnung zur Änderung der Studienordnung Nr. 50/11 Amtliches Mitteilungsblatt der HTW Berlin Seite 841 50/11 21. Dezember 2011 Amtliches Mitteilungsblatt Seite Zweite Ordnung zur Änderung der Studienordnung für den Internationalen Studiengang

Mehr

Chemie. Bachelor of Science

Chemie. Bachelor of Science Chemie Bachelor of Science Das Chemiestudium in Gießen bietet Ihnen ein breit gefächertes Studienangebot mit einer starken persönlichen Betreuungskomponente. Der Bachelorstudiengang vermittelt in sechs

Mehr

Im Einzelnen werden folgende Kenntnisse, Fertigkeiten und Kompetenzen erworben.

Im Einzelnen werden folgende Kenntnisse, Fertigkeiten und Kompetenzen erworben. Modulbeschreibung Code VI.8.1 Modulbezeichnung Wirtschaftsinformatik Beitrag des Moduls zu den Studienzielen Qualifikationsziele (vgl. Leitfaden Punkt 3) Die Studierenden kennen die Konzepte bei der Erstellung

Mehr

Hauptseminar Technische Informationssysteme

Hauptseminar Technische Informationssysteme Fakultät Informatik - Institut für Angewandte Informatik, Professur Technische Prozessanalysetools unter dem Gesichtspunkt industrieller Prozessanalyse und -modellierung Dresden, 10.07.2008 Gliederung

Mehr

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML Data Mining Standards am Beispiel von PMML Allgemeine Definitionen im Data Mining Data Mining (DM) Ein Prozess, um interessante neue Muster, Korrelationen und Trends in großen Datenbeständen zu entdecken,

Mehr

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme Datenbanken und Informationssysteme Lehrangebot Stefan Conrad Heinrich-Heine-Universität Düsseldorf Institut für Informatik April 2012 Stefan Conrad (HHU) Datenbanken und Informationssysteme April 2012

Mehr