d e f es 
AICOS News
17.02.2020
AICOS Technologies bei den PCH Meetings 2020 in Lyon
Lyon - 25.-26.11.2020: Internationaler... 
mehr Linie
15.03.2020
Coronavirus: Fortführung unserer Aktivitäten
Unabhängig von der Coronavirus-Epidemie... 
mehr Linie
05.01.2020
Kurstermine für Frühjahr 2020 online!
Sie möchten Ihr Wissen in Datenanalyse, Data... 
mehr Linie
Suche
Go
(Online-)Kurse

Einführung in Data Mining

Mi, 10.6.2020 (online) oder
Fr, 6.11.2020 (Präsenzkurs)

Unter dem Begriff "Data Mining" versteht man Verfahren und Algorithmen, die helfen, Strukturen und Beziehungen in üblicherweise sehr grossen und komplexen Datensätzen zu finden. Dieser Kurs gibt einen breiten Überblick über die wichtigsten Methoden des Data Mining. Nach einer Einführung werden Aspekte der Datenorganisation behandelt und ausgewählte statistische Techniken vorgestellt (Klassifikationsalgorithmen und neuronale Netze).


Was werden Sie lernen ?
Sie ahnen, dass in Ihrer Datenbank noch so manches wertvolle Stück an Information unentdeckt verborgen liegt? Wie können Sie Muster und Trends in Ihren Daten identifizieren und Zusammenhänge verstehen? Unter dem Begriff "Data Mining" versteht man Verfahren und Algorithmen, die helfen, Strukturen und Beziehungen in üblicherweise sehr grossen und komplexen Datensätzen zu finden. Dieser Kurs gibt Ihnen einen breiten Überblick über die wichtigsten Methoden des Data Mining. Nach einer Einführung werden Aspekte der Datenorganisation behandelt und ausgewählte statistische Techniken vorgestellt. Ihre Anwendung wird anhand von praktischen Beispielen erläutert. Viele, für den Data Mining Prozess relevante statistische Verfahren, werden im Kurs "Einführung in multivariate Datenanalyse " vertieft.

Wer sollte teilnehmen ?
  • Manager und wissenschaftliche Mitarbeiter
  • Keine Vorkenntnisse in Statistik/Mathematik notwendig

Welche Themen werden behandelt ?
 Einführung
 Was ist Data Mining?
Data Mining als Teil von Knowledge Discovery
Stärken und Grenzen des Data Mining
 Data Mining vs. statistische Datenanalyse
 Was sind die Gemeinsamkeiten?
Was sind die Unterschiede?
Wo liegen die Schwierigkeiten?
 Datenorganisation und Datenzugriff
 Sammeln von Daten, Datenquellen
Datenqualität
Data Warehouse
On-line analytical processing (OLAP)
 Ausgewählte statistische Techniken (Überblick)
 Explorative Verfahren, Visualisierung
Klassifikation, Clustering
Modellierung, CART
Neuronale Netzwerke, genetische Algorithmen


Weitere Fragen ?
powered by Swisscom AG
c