Unüberwachtes Data Mining in Automatisierungs- und Informationstechnik

Worum geht's

Du erhältst einen Überblick über etablierte und aktuelle Methoden des unüberwachten Data Mining mit Fokus auf Anwendungen in Automation und Informationstechnik. Du lernst, verschiedene Clustering- und Outlier-Verfahren sowie Ansätze für hochdimensionale Merkmalsräume und Datenströme zu verstehen und deren Stärken, Grenzen und Einsatzbedingungen kritisch zu bewerten.

Was du danach kannst

• Begriffe und grundlegende Charakteristika des unüberwachten Data Mining erläutern
• Stärken und Grenzen unüberwachter Verfahren an typischen Anwendungsfällen benennen und diskutieren
• Grundlagen zur Konzeption, Implementierung und Evaluation unüberwachter Data Mining Verfahren verstehen

Aus was das Modul besteht

• VorlesungVermittlung der Grundlagen, Präsentation von Anwendungsbeispielen und Einbindung aktueller Forschungsergebnisse

Lehrmethode

• Vorlesungsbeiträge mit PowerPointEinführung in Grundlagen und Darstellung von Beispielen
• Software-DemonstrationenVeranschaulichung der Funktionsweisen und Anwendung der Verfahren
• DiskussionenKlärung offener Fragen und Förderung der aktiven Auseinandersetzung
• Problemorientiertes Lernen (Beispiele)Praxisnahe Übung zur Konzeption, Realisierung und kritischen Evaluation unüberwachter Verfahren
• Vorlesungsfolien zum DownloadUnterstützung beim Nacharbeiten der Inhalte