Unser Seminar "Data Mining Techniken: Theorie und Praxis" ist eine kompakte zweitägige Einführung in die Grundlagen des Data Mining sowie in die Data Mining Software RapidMiner. Die theoretischen Hintergründe aller vorgestellten Data Mining Techniken werden vorgestellt und diskutiert. Durch die hohe Anzahl praktischer Übungen werden die Teilnehmer in die Lage versetzt, das gewonnene Wissen auf eigene Data Mining Probleme anzuwenden und diese effizient und erfolgreich zu lösen. Damit ist dieses Seminar die wahscheinlich schnellste Möglichkeit, die nötigen Einsichten in die Ideen der Wissensentdeckung in Datenbanken zu erhalten und alle notwendigen praktischen Aspekte kennenzulernen.

Sie können sich für dieses Seminar online anmelden.

Bitte beachten Sie, dass dieser Kurs in Englisch durchgeführt wird. Durch die große Nachfrage nach diesem Kurs ist es uns möglich, das Seminar am 17. und 18. März noch einmal in Deutsch anbieten zu können. Mehr Informationen über diesen zusätzlichen Kurs.

Details

• Kursnummer: 260801
• Datum: 17. - 18. März 2008
• Dauer: 2 Tage
• Ort: Dortmund
• Zielgruppe: Anwender, Entscheidungsträger, Entwickler, Administratoren
• Vorkenntnisse: Grundkenntnisse von Computerprogrammen und der Mathematik
• Methoden: Vortrag, Diskussionen, Einzel- und Gruppenarbeit, Übungen auf realistischen Daten. Die Teilnehmer können eigene Arbeiten und projektspezifische Fragen einbringen, welche dann zusammen mit dem Trainer und den anderen Teilnehmern beantwortet werden.
• Inhalt: Dieses Seminar beinhaltet eine kompakte Einführung in die theoretischen Grundlagen des Data Mining sowie in die wichtigsten praktischen Aspekte des Data Minings mit der Software RapidMiner. Es richtet sich sowohl an Anfänger wie auch an fortgeschrittene Anfänger. Die Themen des Seminars sind
  • Maschinelles Lernen: Entscheidungsbäume, Regellernen, Neuronale Netze, Nächste Nachbarn, Bayes Lernen
  • Meta Lernen: Bagging und Boosting
  • Vorverarbeitung: Automatisierte Merkmalsauswahl und -generierung (u.a. mit genetischen Algorithmen), Diskretisierung, Normalisierung, Sampling (Stichprobenauswahl)
  • Modellvalidierung: Einführung in Performanzkriterien, Kreuzvalidierung, Bootstrapping
  • Visualisierung: Hochdimensionale Datenvisualisierungen, ROC Kurven, Selbstorganisierende Karten (SOM)
  Ausführliche Übungen auf verschiedenen Datensätzen werden für alle Themenbereiche durchgeführt.

Preise

Die Preise verstehen sich zzgl. Umsatzsteuer.