Modulhandbuch DM

Data Mining

Bachelor Technische Informatik 2020

Version: 1 | Letzte Änderung: 27.09.2019 12:39 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Rhein

Anerkannte Lehrveranstaltungen	DM_Rhein
Gültig ab	Sommersemester 2022
Modul ist Bestandteil der Studienschwerpunkte	SMS - Smart Systems IOT - Internet of Things
Dauer	1 Semester
ECTS	5
Zeugnistext (de)	Data Mining
Zeugnistext (en)	Data Mining
Unterrichtssprache	deutsch
abschließende Modulprüfung	Ja

MA1 - Mathematik 1	mathematische Modelle verstehen und aufstellen Differentialrechnung
MA2 - Mathematik 2	Funktionen mit mehreren Veränderlichen anwenden Lineare Algebra: Matrizen aufstellen und mit ihnen rechnen
PI1 - Praktische Informatik 1	Grundlagen der Programmierung beherrschen

Systeme zur Verarbeitung, Übertragung und Speicherung von Informationen für technische Anwendungen planen, realisieren und integrieren

Anforderungen, Konzepte und Systeme analysieren und bewerten

Benotet	Ja
Konzept	Abhängig von der Anzahl der Teilnehmer: Bei wenigen Teilnehmern Kombination aus Klausur oder mündlicher Prüfung und Bewertung des Mini-Projektes Bei vielen Teilnehmern Prüfung über Klausur; Mini-Projekt als Voraussetzung zur Teilnahme an der Klausur In der Klausur bzw. mündlichen Prüfung wird die Methoden, Vorgehensweisen, Fallstricke und gesetzliche Grundlagen des Data Mining geprüft. Im Mini-Projekt wird die Fähigkeit zu selbständigem eigenverantwortlichem Handeln und der Umgang mit geeigneter Software abgeprüft.
Frequenz	Jedes Semester

ID	Learning Outcome
LO1	Was: Methoden des maschinellen Lernens auf typische Datensätze der technischen Informatik anwenden gängige Fallstricke des Data Mining in der Vorgehensweise kennen für eine Aufgabenstellung das geeignete Verfahren bestimmen können Qualität von Datensätzen beurteilen Datenschutzgesetze kennen weit verbreitete Software hierfür anwenden eigenverantwortliches Arbeiten lernen Womit: Die Methoden werden anhand eines Vortrags oder per Lernvideos vermittelt und in Vorlesung und Übung direkt angewendet. Jeder Student wird ein kleines Projekt durchführen (je nach Anzahl der Studierenden in Gruppenarbeit). Wozu: Data Mining wird bei den späteren Arbeitgebern immer mehr eingeführt, etwa in der Robotik, aber auch zur Überwachung und Steuerung von Produktionsprozessen oder Energiesystemen und zur Auswertung von Kundendaten, hier ist ein verantwortlicher Einsatz von Daten wichtig

Kompetenz	Ausprägung
fachliche Probleme abstrahieren und formalisieren	diese Kompetenz wird vermittelt
Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden	diese Kompetenz wird vermittelt
Informationen beschaffen und auswerten; Technische Zusammenhänge darstellen und erläutern	diese Kompetenz wird vermittelt
Gesellschaftliche und ethische Grundwerte anwenden	Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
Befähigung zum lebenslangen Lernen	Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt

MA1 - Mathematik 1	mathematische Modelle verstehen und aufstellen Differentialrechnung
MA2 - Mathematik 2	Funktionen mit mehreren Veränderlichen anwenden Lineare Algebra: Matrizen aufstellen und mit ihnen rechnen
PI1 - Praktische Informatik 1	Grundlagen der Programmierung beherrschen

Systeme zur Verarbeitung, Übertragung und Speicherung von Informationen für technische Anwendungen planen, realisieren und integrieren

Anforderungen, Konzepte und Systeme analysieren und bewerten

ID	Learning Outcome
LO1	Was: Methoden des maschinellen Lernens auf typische Datensätze der technischen Informatik anwenden gängige Fallstricke des Data Mining in der Vorgehensweise kennen für eine Aufgabenstellung das geeignete Verfahren bestimmen können Qualität von Datensätzen beurteilen Datenschutzgesetze kennen weit verbreitete Software hierfür anwenden eigenverantwortliches Arbeiten lernen Womit: Die Methoden werden anhand eines Vortrags oder per Lernvideos vermittelt und in Vorlesung und Übung direkt angewendet. Jeder Student wird ein kleines Projekt durchführen (je nach Anzahl der Studierenden in Gruppenarbeit). Wozu: Data Mining wird bei den späteren Arbeitgebern immer mehr eingeführt, etwa in der Robotik, aber auch zur Überwachung und Steuerung von Produktionsprozessen oder Energiesystemen und zur Auswertung von Kundendaten, hier ist ein verantwortlicher Einsatz von Daten wichtig

Kompetenz	Ausprägung
fachliche Probleme abstrahieren und formalisieren	diese Kompetenz wird vermittelt
Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden	diese Kompetenz wird vermittelt
Informationen beschaffen und auswerten; Technische Zusammenhänge darstellen und erläutern	diese Kompetenz wird vermittelt
Gesellschaftliche und ethische Grundwerte anwenden	Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
Befähigung zum lebenslangen Lernen	Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt

Typ	Vorlesung / Übungen
Separate Prüfung	Nein
Exemplarische inhaltliche Operationalisierung	Einführung in eine geeignete Software, z.B. Python Einführung in deskriptive Statistik und evtl. auch Wahrscheinlichkeitsrechnung Überwachtes Lernen: - Klassifikationsverfahren: Ablauf, Performanzmaße, Anwendung eines Verfahrens des instanzbasierten Lernen, z.B. k-nearest-neighbor und eines Verfahrens des modellbasierten Lernen, z.B. Entscheidungsbäume - evtl. Regressionsanalyse: über maschinelles Lernen und klassisch Unüberwachtes Lernen: - Clusteranalyse: k-means, evtl. auch DBSCAN Preprocessing der Daten: - Behandlung von beschädigten / fehlenden Daten - Ausreißer oder Noise - Problematik - Skalierung - Visualisierung der Daten - evtl. Dimensionsreduzierung - Beurteilung der Qualität der Daten - evtl. verschiedene Arten von Datensätzen betrachten, Bezug zu NoSql-Datenbanken herstellen Ausblick auf aktuelle Forschung, z.B. Bilderkennung, Natural Language Processing, Reinforcement Learning

Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME