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 2002/03 Vorhergehende Jahre: [ WS 00/01 \| WS 99/00]

Inhalt:
Die in vielen Anwendungsgebieten stark angewachsenen Datenmengen machen eine manuelle Analyse der angefallenen Information zunehmend schwierig, wenn nicht sogar unmöglich. Gerade in Bereichen wie der Auswertung biologischer Meßverfahren (Gen-Sequenzierung, Micro-Array Verfahren ...) oder von Transaktionsdaten großer Telekomunikations- oder Netzbetreiber, ist eine Nutzung der Daten ohne die Zuhilfenahme computergestützter Verfahren nicht denkbar.
Mit der Lösung dieser Probleme beschäftigt sich daher das vergleichsweise junge Forschungsgebiet "Knowledge Discovery in Databases (KDD)". Es verbindet dabei Aspekte der Statistik, dem maschinellen Lernen, sowie der Datenbanksysteme und behandelt Methoden zur (semi-)automatischen Extraktion von gültigem, neuem und potentiell nützlichem Wissen aus großen Datenbanken. Der in diesem Zusammenhang häufig verwendete Begriff Data Mining bezieht sich dabei auf den grundlegenden Schritt im KDD-Prozeß, in dem die eigentliche Analyse der Daten durchgeführt wird.
Die Vorlesung gibt einen Überblick über die Grundlagen der wichtigsten KDD-Techniken. Dabei wird besonders auf die folgenden Teilgebiete eingegangen: Klassifikation, Clustering, Assozationsregeln,Outlier Detection und Trenderkennung.
Desweiteren werden spezielle Anwendungen wie KDD in Texten, biologischen Daten und Zeitreihen behandelt.
Zur Vertiefung der Vorlesung werden 2 stündige Übungen angeboten, in denen die vorgestellten Verfahren weiter erläutert und an praktischen Beispielen veranschaulicht werden.

- Bereich: ST, A
- Umfang: 3 + 2 Semesterwochenstunden
- Team: Matthias Schubert , Peer Kröger , Eshref Januzaj
- Vorkenntnisse: Vorlesung Datenbanksysteme I (wünschenswert)
- Skript: Es wird ein Skript zur Vorlesung geben. Weitere Literatur wird in der Vorlesung angegeben.

Anmeldung zur Übung

Zum Scheinerwerb ist eine Anmeldung zum Übungsbetrieb notwendig.

Aktuelles

Die erste Vorlesung findet am 17.10.2003 um 8.30 statt. Die erste Übung findet am 21.10.2002 um 10.00 statt.
Merkblatt zum Übungsbetrieb
DBSCAN, Pseudocode
Testdaten (ARFF-Files) und dazugehörige Bilder (Cluster)
- ARFF-File 1, Bild 1
- ARFF-File 2, Bild 2
- ARFF-File 3, Bild 3
- ARFF-File 4, Bild 4
- ARFF-File 5, Bild 5
Aktuelle Version vom Übungsblatt 7 herunterladen!!! (aktualisiert am 05.12.2002, 17:00 Uhr)
Achtung: Die Klausur zu KDD im WS 2002/03 findet am 04.02.2003 statt!
Genaueres wird rechtzeitig bekantgegeben.
Ein Ferien-Übungsblatt wird vor den Ferien ins Netz gestellt.
Die zwei ersten Korrekturen von KDD-Übungsblätter können Sie hier ansehen.
Endgültige Liste der zur Klausur zugelassenen Studenten. (Stand : 23.01.2003)
Achtung : Klausur Termin (Stand : 27.01.2003)
    Tag: Dienstag, 04.02.2003
    Einlass: 9:00 Uhr
    Beginn: 9:30 (s.t.)
    Dauer: ca. 2 Stunden
    Ort: Hörsaal 101 (Hauptgebäude)

    Merkblatt zur KDD - Klausur

Klausur-Ergebnis

Klausur-Ergebnis vom 04.02.2003 (NEU)
Scheine gibt es frühestens eine Woche nach Klausureinsicht! (WICHTIG)


Veranstaltung	Zeit	Ort	Beginn
Vorlesung	Do, 08.30 Uhr - 11.00 Uhr	Raum 1.14 (Oettingenstr. 67)	1.Woche
Übung	Mo, 16.00 Uhr - 18.00 Uhr Di, 12:00 Uhr - 14:00 Uhr Mi, 16:00 Uhr - 18:00 Uhr	Raum 1.35 (Oettingenstr. 67) Raum 1.27 (Oettingenstr. 67) Raum 1.31 (Oettingenstr. 67)	2.Woche