Lehr- und Forschungseinheit für Datenbanksysteme 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 II
im SS 2009


Vorhergehende Jahre:
[ SS 08, SS 07 ]

Aktuelles:

Inhalt:

Die Vorlesung Knowledge Discovery in Databases II behandelt wichtige weiterführende Techniken im Bereich Datenanalyse und Wissensgewinnung, die weit über die Basistechniken der Grundvorlesung (Knowledge Discovery in Databases I) hinausgehen. Dabei wird zum einen auf die Anforderungen spezieller Anwendungen, wie der Wissensgewinnung aus dem WWW, als auch auf neue Objektrepräsentationen wie mengenwertige Objekte und sehr hochdimensionale Vektoren, eingegangen. Außerdem werden Techniken im Bereich Link-Mining und relationales Data Mining vorgestellt, die bei der Analyse komplexer zusammenhängender Systeme, wie in der Systembiologie und in sozialen Netzwerken, ihre Anwendung finden.

Organisation:

Umfang:
3 + 2 Semesterwochenstunden
Vorlesung:
Dr. Matthias Schubert, Dr. Arthur Zimek
Übungen:
Dr. Matthias Schubert, Dr. Arthur Zimek, Erich Schubert
Vorkenntnisse:
Vorlesung Knowledge Discovery in Databases I

Zeit und Ort:

Veranstaltung Zeit Ort Beginn
Vorlesung Di,  08.30 - 11.00 Uhr Achtung: Raumänderung: Raum E 216 (Hauptgebäude) (Lageplan) 21.04.2009
Übung


 Do, 14.00 - 16.00 Uhr
Do, 16.00 - 18.00 Uhr
Raum 0.33 (Oettingenstr. 67)
Raum 0.33 (Oettingenstr. 67)
30.04.2009
30.04.2009

Vorlesungs- und Übungsplan:

Datum Vorlesung Datum Übung
21.04.2009 Kapitel 1: Einleitung und Wiederholung KDD I / Überblick der Vorlesungsplanung 23.04.2009 noch keine Übungen in der ersten Woche
28.04.2009 Kapitel 2: Feature Selektion (1.Teil) 30.04.2009 Feature Selektion (Blatt 1)
05.05.2009 Kapitel 2 : Feature-Reduktion (2.Teil) 07.05.2009 Feature-Selektion und Feature-Reduktion (Blatt 2)
12.05.2009 Kapitel 3: Clustering in hochdimensionalen Räumen (1.Teil) 14.05.2009 Feature Reduktion und Clustering (Blatt 3)
19.05.2009 Kapitel 3: Clustering in hochdimensionalen Räumen (2.Teil) 21.05.2009 keine Übung (Christi Himmelfahrt) - Besprechung am 28.05.2009 (Blatt 4, Datensatz)
26.05.2009 Kapitel 4: Parallel, Distributed und Privacy Preserving Data Mining 28.05.2008 Clustering in hochdimensionalen Räumen (Blatt 4, Datensatz)
die gnuplot Befehle aus der Übung (.txt),
Veranschaulichung der Hough-Transformation (Powerpoint)
02.06.2009 keine Vorlesung (Pfingstferien) 04.06.2009 Paralleles und Verteiltes Data Mining, (Blatt 5)
09.06.2009 Kapitel 5: Ensemble Techniken 11.06.2008 keine Übung (Fronleichnam) - Besprechung am 18.06.2009
16.06.2009 Kapitel 6: Multirepräsentiertes Data Mining 18.06.2009 Ensemble-Techniken und Multirepräsentiertes Data Mining (Blatt 6)
23.06.2009 Kapitel 6: Multirepräsentiertes Data Mining 25.06.2009 Multirepräsentiertes Data Mining (Blatt 7)
30.06.2009 Kapitel 7: Multi-Instanz Data Mining 02.07.2009
Multirepräsentiertes Clustering und Minimal Matching Distanz (Blatt 8)
07.07.2009 Kapitel 7: Multi-Instanz Data Mining 09.07.2009
 Multi-Instanz Data Mining (Blatt 9)
14.07.2009 Kapitel 8: Graph-Strukturierte Objekte 16.07.2009 Multi-Instanz Data Mining (Blatt 10)
21.07.2009 Kapitel 9: Link Mining

Weiterführende Informationen:

Homepages:  DBS Institut LMU

Last Modified: