Digicampus
Seminar: Projektseminar Data Mining - Details
Nachrichtenbox schließen
Sie sind nicht in Stud.IP angemeldet.
Lehrveranstaltung wird online/digital abgehalten.

Allgemeine Informationen

Veranstaltungsname Seminar: Projektseminar Data Mining
Semester WS 2017/18
Aktuelle Anzahl der Teilnehmenden 4
erwartete Teilnehmendenanzahl 36
Heimat-Einrichtung Prof. Dr. Yarema Okhrin - Statistik
Veranstaltungstyp Seminar in der Kategorie Lehre
Erster Termin Donnerstag, 21.12.2017 08:00 - 14:00, Ort: (Seminarraum 2102)
Voraussetzungen Voraussetzung für eine erfolgreiche Teilnahme sind solide statistische Kenntnisse, welche in den Veranstaltungen Statistik I und II vermittelt werden. Der Besuch der Data Mining Veranstaltung im vorherigen Sommersemester wäre wünschenswert. Zudem sind Grundkenntnisse in einer Statistik Software (IBM SPSS Statistics oder R) zur empirischen Umsetzung nötig.
Leistungsnachweis Das Projektseminar Data Mining schließt mit einer computergestützten Präsentation (~60 min. zzgl. 15 Min. Diskussionszeit je Gruppe).
Online/Digitale Veranstaltung Veranstaltung wird online/digital abgehalten.
Hauptunterrichtssprache deutsch
Weitere Unterrichtssprache(n) englisch
Literaturhinweise - Backhaus, Erichson, Plinke, Weiber (2011): Multivariate Analysemethoden – eine Anwendungsorientierte Einführung, 13. Auflage, Springer.
- Backhaus, Erichson, Weiber (2011): Fortgeschrittene Multivariate Analysemethoden – eine Anwendungsorientierte Einführung, 1. Auflage, Springer.
- Breiman, Friedman, Olshen, Stone, (1998): Classification and Regression Trees, Chapman & Hall.
- Fahrmeir, Kneib, Lang (2007): Regression - Modelle, Methoden und Anwendungen, Springer.
- Hastie, Tibshirani, Friedman (2009): The Elements of Statistical Learning – Data Mining, Inference and Prediction, Springer.
- James, Witten, Hastie, Tibshirani (2013): An Introduction to Statistical Learning - with Applications in R, Springer.
- Rousseeuw, Kaufman (2005): Finding Groups in Data – An Introduction to Cluster Analysis, John Wiley & Sons Inc.
- Rüger (1999): Test- und Schätztheorie Band II: Statistische Test, Oldenbourg Verlag.
- Toutenburg (2003): Lineare Modelle – Theorie und Anwendungen, Physika Verlag.
- Tutz (2012): Regression for Categorical Data, Cambridge.
Sonstiges Die Bewerbung um einen Seminarplatz erfolgt per E-Mail an anett.wins@wiwi.uni-augsburg.de bis zum 18.10.2017 unter Beachtung der auf der Homepage (https://www.wiwi.uni-augsburg.de/de/bwl/okhrin/lehre/WS_1718/sem_datamining/ ) angegeben Anmeldeformalitäten.
Die Themen werden in kleinen Gruppen zu 2-3 StudentInnen bearbeitet. Die Präsentationen erfolgen geblockt Mitte Dezember 2017: Der genaue Terminplan wird rechtzeitig bekannt gegeben.

Räume und Zeiten

(Seminarraum 2102)
Donnerstag, 21.12.2017 - Freitag, 22.12.2017 08:00 - 14:00

Kommentar/Beschreibung

Es werden verschiedene Data Mining Verfahren angeboten, die von den Seminarteilnehmern in kleinen Gruppen methodisch ausgearbeitet und empirisch umgesetzt werden:
1. Kreuztabellierung und Kontingenzanalyse – Zusammenhangsanalyse nominal skalierter Variablen
2. Logistische Regression – das Logit -Modell bei binärem bzw. multinominalem Regressand
3. Varianzanalyse – von der einfaktoriellen zur mehrfaktoriellen Varianzanalyse 
4. Clusteranalyse I – hierarische Clusterverfahren
5. Clusteranalyse II – partionierende Clusterverfahren
6. Diskriminanzanalyse – Analyse von Gruppenunterschieden
7. Faktorenanalyse – Variablenbündelung in „zentrale Faktoren“
8. Zeitreihenanalyse – Analyse von Längsschnittdaten
9. Conjoint-Measurement (Verbundmessung) – ein dekompositionelles Analyseverfahren ordinaler Präferenzen
10. Künstliche Neuronale Netze (KNN) – überwachtes Lernen in vorwärts gerichteten Netzen
11. K-Nearest Neighbors (k-NN) – Klassifikation nach dem „Mehrheitsprinzip“
12. Entscheidungsbäume – rekursive Partitionierung mittels CART- und CHAID-Algorithmus