Forschungsnahe Konzepte und Methoden des Data Mining für große und hochdimensionale Datenbanken.

• Einführung: KDD Prozess und traditionelle Data Mining Aufgaben
• Verfahren zur Identifikation von Clustern und Assoziationsregeln
• Problemstellungen aus aktuellen Anwendungen und hochdimensionalen Datenbanken
• Lösungsansätze neuer Paradigmen: Subspace Clustering und Projected Clustering
• Lösungsansätze zur Elimination von Redundanz im Subspace Clustering
• Multi-View und Alternative Clustering, Berücksichtigung von Background Knowledge
• Multi-Source Data Mining
• Effiziente Anfragebearbeitung, Indexierung für hochdimensionale Daten
• Outlier Mining Techniken
• Regression/Klassifikation von hochdimensionalen Daten
• Ausblick zur eigenen Forschung in diesem Bereich

Voraussetzung: Kenntnisse aus dem Modul "Datenstrukturen und Algorithmen"

Empfohlen sind Kenntnisse aus dem Modul "Datenbanken und Informationssysteme" sowie dem Modul "Einführung in Data Mining Algorithmen".

Bachelor Studenten dürfen an der Veranstaltung teilnehmen:

Obwohl dies eine Master Veranstaltung ist dürfen Bachelors teilnehmen.

Bachelors dürfen teilnehmen falls sie in der finalen Phase ihres Bachelorstudienganges sind. Leider können sie sich jedoch nicht für die Prüfung (über CAMPUS oder ZPA) anmelden! Dies sollte separat über unseren Lehrstuhl geschehen. Nach bestandener Prüfung kann die Klausur dann für den Master angerechnet werden, sobald sie im Masterstudiengang eingeschrieben sind.