Knowledge Discovery in Databases (WS 2016/2017)

Aktuelles


Inhalt


Organisation

Veranstaltung Zeit Ort
Vorlesung Mo, 14:30 - 16:00 Uhr
Hörsaal 5H
Seminar Mo, 12:30 - 14:00 Uhr,
Do, 14:30 - 16:00 Uhr (ab 5. Dezember)
25.12.02.33
Voraussetzungen für die Vergabe von Kreditpunkten:
Erfolgreiche Teilnahme am Seminar: Halten eines Vortrags und schreiben einer Ausarbeitung.

    Teilnahmevoraussetzung

    Die Veranstaltung ist für das Master-Studium Informatik konzipiert und setzt somit i.Allg. den Bachelor-Abschluss voraus. Inhaltlich ist ein erfolgreiches Absolvieren des Moduls "Datenbanksysteme" Voraussetzung. Die Belegung dieser Veranstaltung als Zusatzleistung im Bachelor-Studiengang Informatik ist generell nur möglich, wenn die Grundlagenmodule Informatik I bis IV erfolgreich absolviert wurden.

    Für die Gestaltung eines Schwerpunktfachs "Datenbanken und Informationsysteme" im Master-Studium beachten Sie bitte auch die Hinweise auf unserer Seite mit der Lehrplanung.


    Folien / Skript

    Zu der Vorlesung gibt es eine umfangreiche Sammlung von Folien, die über das Studierendenportal im Laufe des Semesters sukzessive (möglichst rechtzeitig vor der jeweiligen Vorlesungsstunde) zur Verfügung gestellt werden.

    Seminar

    Ab Anfang Dezember findet ein Seminar begleitend zur Vorlesung statt. Die Teilnahme daran ist nötig, um die Zulassung zur Prüfung bzw. einen Beteiligungsnachweis zu erhalten.
    Beachten Sie zur Teilnahme folgendes:
    Eine Liste der Arbeiten, die für das Seminar als Themen gewählt werden können, findet sich im Studierendenportal.

    Die Seminarvorträge finden zu folgenden Terminen statt:
    Thema
     Termin
     The global k-means clustering algorithm  5.12.2016
     Rough-DBSCAN: A fast hybrid density based clustering method for large data sets  5.12.2016
     Angle-Based Outlier Detection in High-dimensional Data  8.12.2016
     Algorithms for Mining Distance-Based Outliers in Large Datasets  8.12.2016
     Dendogram-based SVM for Multi-Class Classification 12.12.2016
     Perceptron-Based Learning Algorithms
    15.12.2016
     The Random Subspace Method for Constructing Decision Forests   15.12.2016
    Deep learning
     9.1.2017
     Online Mining (Recently) Maximal Frequent Itemsets Over Data Streams  9.1.2017
     Sampling Large Databases for Association Rules  9.1.2017
     A Generic Framework for Efficient Subspace Clustering of High-Dimensional Data  12.1.2017
     Web Usage Mining Using Artificial Ant Colony Clustering and Genetic Programming  12.1.2017
     Combining Web Usage and Content Mining for More Effective Personalization  16.1.2017
     Aspect Ranking: Identifying Important Product Aspects from Online Consumer Reviews  16.1.2017
    Ontology-based Text Clustering
     19.1.2017
     Voice of the Customers: Mining Online Customer Reviews for Product Feature-based Ranking  19.1.2017


    Freiwillige Übungsstunde

    Bis zum Beginn des Seminars wird jeden Donnerstag ab 14:30 Uhr in Raum 25.12.02.33 eine freiwillige Übungsstunde stattfinden. Hierbei werden vor Ort gemeinsam einige Übungsaufgaben aus vorherigen Jahren gelöst, um das Verständnis der in der Vorlesung behandelten Algorithmen zu vertiefen.

    Literatur


    Heinrich Heine Universität

    Datenbanken und Informationssysteme

    Lehrstuhlinhaber

    Prof. Dr. Stefan Conrad


    Universitätsstr. 1
    40225 Düsseldorf
    Gebäude: 25.12
    Etage/Raum: 02.24
    Tel.: +49 211 81-14088
    Fax: +49 211 81-13463

    Sekretariat

    Sabine Freese


    Sprechzeiten:
    Mo-Fr: 10:00-11:30 Uhr
    Mo-Do: 13:00-14:30 Uhr


    Universitätsstr. 1
    40225 Düsseldorf
    Gebäude: 25.12
    Etage/Raum: 02.22
    Tel.: +49 211 81-11312
    Fax: +49 211 81-13463
    Verantwortlich für den Inhalt:  E-Mail senden WE Informatik