| Kurztext | MW | ||||
| Drucktext | WI1 | ||||
| Langtext | WI1 | ||||
| Zulassungsrang | 1 | Modulart | Hauptmodul | Studienabschnitt | Fachsemester 1 |
| Dauer des Moduls (SWS) | 4 | ModulCode | |||
| Gesamt-Leistungspunktzahl | 5 | ||||
| Inhalt und Qualifikationsziel | Das Modul behandelt fortge-schrittene Konzepte aus dem Bereich Business Intelligence und Data Mining:
1. Business Intelligence & Data Mining Allgemeine Einführung 2. Fortgeschrittene Techniken des Data Mining 2.1 Assoziationsregeln und Sequenzanalysen: Generalized Rule Induction, FP-Growth, Sequential Patterns 2.2 Supervised Learning (Klassifikation): Entscheidungs- bäume, Rule Induction, 2.3 Naive Bayesian Klassifikation, Support-Vektor-Maschinen, Neuronale Netze 2.4 Unsupervised Learning (Cluster- Bildung): Hierarchisches Clustering, Kohonen-Netze 3. Web Data Mining 3.1 Information Retrieval und Web- Suche 3.2 Linkanalyse 3.3 Web Crawling 3.4 Extraktion strukturierter Daten: Wrapper-Generierung 3.5 Informationsintegration 3.6 Opinion Mining 3.7 Web Usage Mining |
||||
| Lehr- und Lernformen | Vorlesung mit Übungen | ||||
| Lehr- und Prüfungssprache | Deutsch | ||||
| Voraussetzungen für die Teilname | Das Modul setzt Grundkenntnisse im Bereich Business Intelligence und Data Mining voraus. Sollte im Rahmen des Bachelorstudiums keine entsprechende Veranstaltung besucht worden sein, so wird der Besuch der Veranstaltung "Business Intelligence" aus dem Bachlor-Studiengang Wirtschaftsinformatik und E-Business angeraten. | ||||