Lehrveranstaltungen: Knowledge Discovery in Databases

Ludwig-Maximilians-Universität München
Institut für Informatik
Lehr- und Forschungseinheit für Datenbanksysteme

University of Munich
Institute for Computer Science
Database and Information Systems

Vorlesung Knowledge Discovery in Databases im
WS 2000/01

Vorhergehende Jahre:
[ WS 99/00]

Inhalt:
Angesichts stark wachsender Datenmengen werden automatische Analyseverfahren immer wichtiger. Beispielsweise generieren kommerzielle Geräte wie Scannerkassen oder wissenschaftliche Instrumente wie Erdbeobachtungssatelliten immer größere Mengen von immer komplexeren Daten. Diese Daten enthalten potentiell wichtiges Wissen. Eine manuelle Analyse all dieser Daten übersteigt jedoch bei weitem die menschlichen Kapazitäten. Diese Vorlesung gibt einen Überblick über das vergleichsweise junge Forschungsgebiet "Knowledge Discovery in Databases (KDD)" - deutsch: "Wissensentdeckung in Datenbanken". Das Gebiet befindet sich an der Schnittstelle von Statistik, maschinellem Lernen, sowie Datenbanksystemen und behandelt Methoden zur (semi-)automatischen Extraktion von gültigem, neuem und potentiell nützlichem Wissen aus großen Datenbanken. Es werden verschiedene Verfahren zur Analyse von relationalen Daten als auch von Daten mit räumlichem Bezug dargestellt. Insbesondere: Klassifikation, Charakterisierung, Assozationsregeln, Clusteranalyse, Erkennen von Abweichungen/Ausreissern und Trenderkennung.

- Bereich: ST, A
- Umfang: 3 + 2 Semesterwochenstunden
- Vorlesung: PD Dr. Martin Ester
- Übungen: Markus Breunig
- Skript: Als Literatur wird das Buch "Knowledge Discovery in Databases" verwendet (Hörerschein beim Dozenten in der Vorlesung erhältlich.)
- Schein: Klausur oder mündliche Prüfung (wird noch bekannt gegeben)