Statistisches Data Mining
wi.stdm.v, 28 Lektionen in FS2023
Lektionen (alle vorbei)
Und 16 weitere. Alle im Stundenplan
Modulbeschreibung 19HS
Das Modul führt in die Grundprinzipien des Statistischen Data Mining/Machinelles Lernen ein. Es werden Methoden aus dem überwachten und unüberwachten Lernen behandelt und an konkreten Fallbeispielen angewendet.
- ECTS
- 4
- Institut
- 119908: T IDS
- Verantwortung
- Martin Frey
- Sprache
- (X) Deutsch ( ) Englisch
Modulinhalte
Unüberwachtes Lernen Ähnlichkeits- und Distanzmasse, Ausreisserdetektion Eine Auswahl bekannter Methoden zur Datenreduktion, wie Principal Component Analysis (PCA), Multidimensional scaling, t-SNE, UMAP Eine Auswahl bekannter und moderner Clustering-Methoden, wie k-means Clustering, hierarchical Clustering, dichte- und modellbasiertes Clustering Überwachtes Lernen Grundlagen, Modellselektierung, Cross-Validation Auswertung und Performance Evaluation von Klassifikatoren Eine Auswahl bekannter und moderner Methoden, wie Bayes Classifier, Nearest Neighbor Classifier (NN), k-NN, Support Vector Machines, Logistic Regression, Decision Trees und Random Forest Ensemble Methoden (Bagging und Boosting)
Voraussetzungen
ExpD, Wahr und GStat
Versionen
- 19HSt.BA.WI.STDM.19HS