Seminar: Knowledge Discovery in Databases

Die Möglichkeiten der automatisierten Datenerfassung in unterschiedlichen Bereichen elektronisch unterstützter Transaktionen, wie z.B. Kassensysteme im Groß- und Einzelhandel, Online-Shopping und Telekommunikationsprotokolle, sowie die Auswertung biologischer Messverfahren haben zu einem starken Anwachsen der verfügbaren Datenmnege geführt. Während die Daten lediglich die aufgezeichneten Fakten repräsentieren liegen eine Vielzahl an Informationen in den Strukturen der Daten, d.h. Regelmäßigkeiten und Abhängigkeiten, versteckt. Die großen Datenmengen machen eine manuelle Analyse der in den Daten enthaltenen Informationen unmöglich, so dass computergestützte Verfahren zum Einsatz kommen. Knowledge Discovery in Databases (KDD) ist definiert als die nichttriviale, (semi-)automatische Extraktion von gültigem, neuen und potentiell nützlichem Wissen aus großen Datenbanken. KDD verbindet dabei Aspekte der Statistik und des maschinellen Lernens. Es handelt sich dabei um einen mehrstufigen Prozess. Der in diesem Zusammenhang grundlegende Schritt der eigentlichen Datenanalyse mit dem Ziel, Muster bzw. Regelmäßigkeiten in den Daten aufzudecken, wird als Data Mining bezeichnet. Weitere Schritte befassen sich mit der Aufbereitung und Auswahl der Daten für das Data Mining sowie mit der Interpretation der Ergebnisse des Data Mining.

Ziel dieses Seminars ist es, aktuelle Themen aus unterschiedlichen Bereichen des Knowledge Discovery Prozess vorzustellen und zu diskutieren. Ein Schwerpunkt wird dabei auf Verfahren des Data Mining liegen.

Nicht alle Informationen wurden in das neue CMS übertragen. Daher finden sie weitere Informationen zu dieser Veranstaltung auf unseren alten Webseiten.