Der Schwerpunkt des Kurses "Big Data Analytics" liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereich verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.
Monday, November 06, 2017 08:00 (UTC) to Monday, December 18, 2017 20:00 (UTC)
Language: Deutsch

Course information


In diesem Kurs werden grundlegende Kenntnisse im Bereich der Datenanalyse vermittelt. Techniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum an Anwendungen ist breit und umfasst sowohl wirtschaftliche als auch wissenschaftliche Datenbestände: Klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, sowie Natur- und Ingenieurswissenschaften. In allen Bereichen besteht der Wunsch aus sehr großen Datenbeständen interessante Zusammenhänge zu extrahieren.
In dem Kurs geht es sowohl um die Aufbereitung von großen Datenbeständen als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Data Mining Techniken für die Analyse an sich. Anhand von aktuellen Anwendungen werden die grundlegenden Data Mining Problemstellungen aufgezeigt. Der Schwerpunkt liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereich verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.

How to enroll


If you would like to enroll for this course, there are no formal prerequisites or limitations. The course is free and open for everyone. Just register for an account on openHPI and go for the course!

Enroll me for this course

Dates and Statistics


Course starts in

Learners enrolled: 3058

Certificate Requirements


A record of achievement is issued to those who have earned more than 50% of the maximum number of points for the sum of all graded assignments. A confirmation of participation is issued to those who have completed at least 50% of the course material. Find out more in the certificate guidelines.

This course is offered by


Prof. Dr. Emmanuel Müller is head of the Knowledge Discovery and Data Mining research group, which has been established in cooperation with the German Research Centre for Geosciences (GFZ). Data Mining, as part of many scientific and industrial applications, does not end with the execution of algorithms. With data mining algorithms, resulting in discovery of unknown, novel, and unexpected patterns, one should aim at assisting humans in their daily decision making. On the one side, Professor Müller and his researchers investigate efficient algorithms, which scale with size and complexity of the data. And on the other side, algorithms generate verifiable knowledge for human users.

The group's research goals are such scalable and verifiable data mining methods for large and complex data. These include algorithms for the selection of relevant attributes in high dimensional data, correlation analysis in multivariate data streams, and homophile structures in attributed graphs. Furthermore, the group develops data mining algorithms for multi-scale sensor data and interactive exploration of heterogeneous information systems in cooperation with the GFZ.

Helpdesk

Your request has been sent to our support team, and will be answered as soon as possible.

Thank You!

Oops something went wrong.

Back