Ziel ist, die Möglichkeiten von Data Mining zur Beschaffung von Informationen zu beurteilen. Sie können die Prinzipien der wichtigsten Methoden, Visualisierungsarten und Technologien “Mathematik-frei” verstehen und einordnen und die Werkzeuge zum Einsatz von Data Mining anhand einer Kriterienliste auswählen. Sie lernen, wie ein Data Mining- Projekt gestaltet wird.
Data Mining – Bedeutung und Motivation
Ziele, Einsatzgebiete, Problemkreise
Erhebung zur Beliebtheit und Motivation
Produktreife im Hypecycle
Data Mining-Architekturen
Ausgewählte Architekturen wichtiger Hersteller
Einbettung von Data Mining in DWH-Architekturen
Data Mining-Prozess
Der Data Mining-Prozess aus der Sicht einiger Hersteller
Der Data Mining-Prozess nach Fayyad
Problemspezifikation
Datenbeschaffung
Datenaufbereitung, Transformation, Lifting
Data Mining – Interpretation – Umsetzung
Data Mining-Methoden und Technologien
Statistik visuell aufbereitet, Regression, Histogramm, Korrelation, ABC-Analyse, Portfolio-Analyse
Memory based Reasoning, Induktion von Regeln, Warenkorbanalyse, Clustering, Entscheidungsbaum
Neuronale Netze
Evolutionäre Algorithmen
Data Mining-Visualisierung
Diagrammarten
3-D-Darstellungen
Hyperslice, Prosection view, parallele Koordinaten
Tree Map
Data Mining-Werkzeuge
Ausgewählte Data Mining-Werkzeuge
Ausgewählte Eigenschaften einiger Produkte im Vergleich
Das Data Mining-Projekt
Phasengliederung
Anforderungen und Fachkonzept
Kriterien zur Tool-Evaluation
Der Data Mining Prozess
Fach- und Führungskräfte, Projektleiter, IT-Experten, Datenanalysten.
Data Warehouse – Konzepte und Projektierung oder vergleichbare Kenntnisse. Kenntnisse in Statistik sind nicht erforderlich.