Data Mining

Data Mining - Bedeutung und Motivation:

• Ziele, Einsatzgebiete, Problemkreise
• Erhebung zur Beliebtheit und Motivation
• Produktreife im Hypecycle

Data Mining-Architekturen:

• Ausgewählte Architekturen wichtiger Hersteller
• Einbettung von Data Mining in DWH-Architekturen

Data Mining-Prozess:

• Der Data Mining-Prozess aus der Sicht einiger Hersteller
• Der Data Mining-Prozess nach Fayyad - Problemspezifikation
• Datenbeschaffung - Datenaufbereitung, Transformation, Lifting
• Data Mining - Interpretation
• Umsetzung

Data Mining - Methoden und Technologien:

• Statistik visuell aufbereitet, Regression, Histogramm, Korrelation, ABC-Analyse, Portfolio-Analyse
• Memory based Reasoning, Induktion von Regeln, Warenkorbanalyse, Clustering, Entscheidungsbaum
• Neuronale Netze
• Evolutionäre Algorithmen

Data Mining-Visualisierung:

• Diagrammarten - 3-D-Darstellungen
• Hyperslice, Prosection view, parallele Koordinaten
• Tree Map

Data Mining-Werkzeuge:

• Ausgewählte Data Mining-Werkzeuge
• Ausgewählte Eigenschaften einiger Produkte im Vergleich.

Das Data Mining-Projekt:

• Phasengliederung - Anforderungen und Fachkonzept
• Kriterien zur Tool-Evaluation
• Der Data Mining Prozess
• Literaturdiskussion

Zielgruppe

Das Seminar ”Data Mining” wendet sich an Fach- und Führungskräfte, Projektleiter, IT-Experten und Datenanalysten, die in Data Mining-Projekte involviert sind und vor der Beschaffung eines Data Mining Tools stehen oder einfach die Leistungsfähigkeit des Data Mining für Big Data-Themen erkennen wollen.

Voraussetzungen

Um an dem Kurs ”Data Mining” erfolgreich teilnehmen zu können, sollten Sie das Seminar 5685 5685 besucht haben oder gleichwertige Kenntnisse besitzen. Kenntnisse in Statistik sind nicht erforderlich.