Anbieterbeschreibung…

Data Mining übertrifft einfache Analysetechniken an Wirkungsweise, Ergebnissen und bietet eine Methodik, die im Wesentlichen auf erweiterten statistischen Konzepten beruht. Es unterstützt die Entwicklung und Gewinnung von wertvollem Unternehmenswissen anhand hochkomplexer Analyseverfahren. Dieses Seminar macht Sie mit den Konzepten von Data Mining vertraut und hilft Ihnen bei der Entscheidung und Bewertung in Projekten, die Data Mining einführen helfen. Das Seminar zeigt den Teilnehmern aufgrund von Theorie und Beispielen, die sowohl selbst nachgerechnet wie auch mit Hilfe eines Data Mining-Werkzeugs nachvollzogen werden können, welche typischen Analyseverfahren zur Verfügung stehen und wie gängige Algorithmen in diesen Verfahren funktionieren. Es sind grundlegende Kenntnisse der Mathematik und Statistik notwendig, die bei Bedarf allerdings auch an den entsprechenden Stellen im Seminar noch einmal wiederholt werden.

Seminar-Inhalte

A. Data Preprocessing|( [0,25 Tage] Why Preprocess the Data? - Descriptive Data Summarization - Data Cleaning - Data Integration and Transformation - Data Reduction - Data Discretization and Concept Hierarchy Generation ) B. Data Warehouse and OLAP Technology: An Overview|( [0,125 Tage] What Is a Data Warehouse?- A Multidimensional Data Model - Data Warehouse Architecture - Data Warehouse Implementation - From Data Warehousing to Data Mining ) D. Mining Frequent Patterns, Associations, and Correlations|( [0,5 Tage] Basic Concepts and a Road Map - Efficient and Scalable Frequent Itemset Mining Methods - Mining Various Kinds of Association Rules - From Association Mining to Correlation Analysis - Constraint-Based Association Mining ) E. Classification and Prediction|( [0,75 Tage] What Is Classification? What Is Prediction? - Issues Regarding Classification and Prediction - Classification by Decision Tree Induction - Bayesian Classification - Rule-Based Classification - Classification by Backpropagation - Support Vector Machines - Associative Classification: Classification by Association Rule Analysis - Lazy Learners (or Learning from Your Neighbors) - Other Classification Methods - Prediction - Accuracy and Error Measures - Evaluating the Accuracy of a Classifier or Predictor - Ensemble Methods: Increasing the Accuracy - Model Selection ) F. Cluster Analysis|( [0,5 Tage] What Is Cluster Analysis? - Types of Data in Cluster Analysis - A Categorization of Major Clustering Methods - Partitioning Methods - Hierarchical Methods - Density-Based Methods - Grid-Based Methods - Model-Based Clustering Methods - Clustering High-Dimensional Data - Constraint-Based Cluster Analysis - Outlier Analysis )

Zielgruppen

Information Workers, IT Professionals

Teilnehmer: Max. 6