Knowledge Discovery and Data Mining (SS 2005)

Dr. Matthias Schubert

Aktuelles

• Prüfungstermine: Die Prüfungen müssen jetzt doch ca. 30 Minuten dauern und bei allen Informatikern muß ein Beisitzer anwesend sein. Für Studierende anderer Fachrichtungen ist kein Beisitzer eingeplant, da hier die Prüfung nicht Teil der Abschlußprüfung ist. Falls etwas anderes bekannt ist bitte umgehend melden. Hier gehts zu den Terminen.
  
  
• ANMELDUNG zur Prüfung:  Die Prüfungen für den Übungsschein in KDD finden zwischen 12.7-14.7 statt.
  Wer an der Prühfung teilnehmen will, sollte sich bitte bis spätestens 1.7.2005 per Email
  (Matthias.Schubert@informatik.uni-heidelberg.de) dazu anmelden. In der Mail sollte dabei folgende Informationen enthalten sein:
• Matrikelnummer
• Vorname, Nachname
• Geburtsdatum
• Hauptfach
• evtl. Telefon ( für kurzfristige Änderunen z.B. Prüfer ist krank)
• Wunschtermin (wird versucht zu berücksichtigen, sofern das möglich ist)
  
  
• ACHTUNG: Im Skript Seite 130 ist ein Fehler bei der Berechnung der Wahrscheinlichkeit.
  In der neuesten Version ist dieser behoben. Also bitte nochmal  ansehen.
  
  
• Die erste Übung findet am Dienstag den 19.04.2005 statt.
  

Inhalt
Die in vielen Anwendungsgebieten stark angewachsenen Datenmengen machen eine manuelle Analyse der angefallenen Information zunehmend schwierig, wenn nicht sogar unmöglich. Gerade in Bereichen wie der Auswertung biologischer Meßverfahren (Gen-Sequenzierung, Micro-Array Verfahren ...) oder von Transaktionsdaten großer Telekomunikations- oder Netzbetreiber, ist eine Nutzung der Daten ohne die Zuhilfenahme computergestützter Verfahren nicht denkbar. Mit der Lösung dieser Probleme beschäftigt sich daher das vergleichsweise junge Forschungsgebiet "Knowledge Discovery in Databases (KDD)". Es verbindet dabei Aspekte der Statistik, dem maschinellen Lernen, sowie der Datenbanksysteme und behandelt Methoden zur (semi-)automatischen Extraktion von gültigem, neuem und potentiell nützlichem Wissen aus großen Datenbanken. Der in diesem Zusammenhang häufig verwendete Begriff Data Mining bezieht sich dabei auf den grundlegenden Schritt im KDD-Prozeß, in dem die eigentliche Analyse der Daten durchgeführt wird. Die Vorlesung gibt einen Überblick über die Grundlagen der wichtigsten KDD-Techniken. Dabei wird besonders auf die folgenden Teilgebiete eingegangen: Klassifikation, Clustering, Assozationsregeln und Outlier Detection. Desweiteren werden spezielle Anwendungen wie KDD in Texten, biologischen Daten und Zeitreihen behandelt. Zur Vertiefung der Vorlesung wird eine 2-stündige Übung angeboten, in der die vorgestellten Verfahren weiter erläutert und an praktischen Beispielen veranschaulicht werden.

Weiterführende Literatur für Interessierte:

• Berthold M., Hand D. J. (eds.): Intelligent Data Analysis: An Introduction, Springer Verlag, 1999.
  
  
• Han J., Kamber M. : Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, August 2000.
  
  
• Mitchell T. M. : Machine Learning, McGraw-Hill, 1997.
  
  
• Witten I. H., Frank E . : Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann Publishers, 2000.
  
  
• Cristinanini N., Shawe-Taylor J. : An Introduction to Support Vector Machines, Cambrigde University Press, 2000
  

1. Einführtung [.pdf]
2. Clustering  Teil 1[.pdf] Teil2 [.pdf]
   
3. Klassifikation  [.pdf]
   
4. Assoziationsregeln [.pdf]
5. DB-Techniken zur Leistungssteigerung [.pdf]
6. Text und Web- Mining [.pdf]
7. Hochdimensionale Daten [.pdf]
   

• Weka
  Data Mining with open source Machine Learning Software in Java.
  
  
• KD-Nuggets Data Mining, Web Mining and Knowledge Discovery Giude
  
  
• KDD-Wiki
  Diverse Links auf interessante Links im Bereich Data Mining, Knowledge Discovery und Exploration großer Datenbanken..