Data Mining
Bachelor Technische Informatik 2020
PDF Studiengangsverzeichnis Studienverlaufspläne Bachelor Technische Informatik
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 |
© 2022 Technische Hochschule Köln