Grundprinzipien der Wissensextraktion mittels Data Mining
Data Mining über strukturierten, semistrukturierten und unstrukturierten Daten
Verfahrensklassen des Data Mining: Klassifikation, Vorhersage, Clustering, Assoziationsregeln
Ablaufmodelle bei einer Datenanalyse
Datenvorverarbeitung
Data-Mining-Verfahren
Interpretation der Resultate
Qualifikationsziele
Die Studierenden erwerben Kompetenzen im Einsatz von Analysetechniken, hier speziell auf dem Gebiet der Wissensextraktion aus Massendaten. Sie erwerben die Fähigkeit, Data-Mining-Systeme zur Lösung einer betriebswirtschaftlichen Analyseaufgabe einzusetzen. Durch Projekt-basiertes Lernen wird die typische Wirtschaftsinformatik-Sichtweise auf ein zu lösendes Problem gestärkt. Die Teilnehmer können:
die Relevanz der Wissensextraktion aus großen Datenmengen im Unternehmen beurteilen
mit großen Datenmengen umgehen, diese für Data-Mining-Verfahren vorbereiten
verschiedene Data-Mining-Techniken anwenden
die Resultate interpretieren
die Leistungsfähigkeit, die Einsatzmöglichkeiten und Grenzen der DM-Verfahren einschätzen.
Querverbindungen zu den Themengebieten Künstliche Intelligenz, Business Intelligence, Wissensbasierte Systeme vertiefen die wirtschaftsinformatische Denkweise.
