Allgemeine Informationen
Veranstaltungsname | Vorlesung: Data Mining (Vorlesung) |
Semester | SS 2019 |
Aktuelle Anzahl der Teilnehmenden | 78 |
erwartete Teilnehmendenanzahl | 300 |
Heimat-Einrichtung | Prof. Dr. Yarema Okhrin - Statistik |
Veranstaltungstyp | Vorlesung in der Kategorie Lehre |
Erster Termin | Dienstag, 23.04.2019 12:15 - 13:45 |
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 |
Online/Digitale Veranstaltung | Veranstaltung wird online/digital abgehalten. |
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. - Backhaus, Erichson, Plinke, Weiber (2011): Multivariate Analysemethoden – eine anwendungsorientierte Enführung, 13. Auflage, Springer. - Backhaus, Erichson, Weiber (2011): Fortgeschrittene Multivariate Analysemethoden – eine anwendungsorientierte Enführung, 1. Auflage, Springer. ... |