Allgemeine Informationen
| Veranstaltungsname | Vorlesung: Data Mining (Vorlesung) |
| Semester | SS 2024 |
| Aktuelle Anzahl der Teilnehmenden | 314 |
| erwartete Teilnehmendenanzahl | 250 |
| Heimat-Einrichtung | Prof. Dr. Yarema Okhrin - Statistik |
| Veranstaltungstyp | Vorlesung in der Kategorie Lehre |
| Voraussetzungen | Voraussetzung für eine erfolgreiche Teilnahme sind solide statistische Kenntnisse, welche in den Veranstaltungen Statistik I und II vermittelt werden. Die Bereitschaft zum regelmäßigen Besuch der Vorlesung, sowie eigene Vor- und Nachbereitung des Stoffes sind notwendig. Zudem wird die Bereitschaft verlangt, sich in die Statistiksprache R tiefergehend einzuarbeiten. |
| Leistungsnachweis | 60 minütige Klausur in Präsenz. |
| Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile | Ja |
| Hauptunterrichtssprache | deutsch |
| Literaturhinweise |
- James, Witten, Hastie, Tibshirani (2013): An Introduction to Statistical Learning - with Applications in R, Springer. - Hastie, Tibshirani, Friedman (2009): The Elements of Statistical Learning – Data Mining, Inference and Prediction, Springer. - Hothorn, Everitt (2014) A Handbook of Statistical Analyses using R, Chapman and Hall/CRC; 3 edition. - Wollschläger (2014, 2017) Grundlagen der Datenanalyse mit R - Eine anwendungsorientierte Einführung , Springer. - Runkler (2010): Data Mining – Methoden und Algorithmen intelligenter Datenanalyse, 1. Auflage, Vieweg + Teubner. - Nisbet, R., Elder, J., Miner, G., 2009, Handbook of Statistical Analysis and Data Mining Applications, Academic Press. - Hand, Mannila, Smyth (2001): Principles of Data Mining, The MIT Press. ... |
