Курс із самостійним навчанням
An error occurred while loading the video player, or it takes a long time to initialize. You can try clearing your browser cache. Please try again later and contact the helpdesk if the problem persists.
In diesem kostenlosen offenen Online-Kurs führen wir Sie in das aktuelle und viel diskutierte Thema Big Data Analytics ein. Der sechswöchige Kurs wird Ihnen verständlich machen, warum Daten der Schatz des 21. Jahrhunderts sind und wie man diesen heben kann. Ob Finanzdienstleister, produzierende Unternehmen, Internet-Dienstleister oder Forschungszentren: In Wirtschaft und Wissenschaft wächst das Interesse, in dem gewaltig anschwellenden Meer an erhobenen und anfallenden Daten diejenigen herauszufischen, die es auf interessante Zusammenhänge hin zu analysieren sowie vernünftig zu strukturieren und zu verknüpfen gilt. So können schneller bessere Erkenntnisse gewonnen, Entscheidungen getroffen und Prognosen erstellt werden. Das Meer an Daten führt dann zu einem Mehr an Wissen!
Im Kurs erfahren Sie, wie bei der Auswertung riesiger Datenmengen sinnvoll vorzugehen ist - angefangen bei modernsten Data Mining-Techniken zum "Schürfen" bislang verborgener oder ungenutzter Informationen über die Aufbereitung bis hin zur Analyse der Daten. Aktuelle Anwendungen und einprägsame Praxisbeispiele machen Sie mit den grundsätzlichen Problemstellungen vertraut. Welche verschiedenen Algorithmen bei der Lösung helfen können, wird ebenfalls diskutiert. Schließlich stellen wir Ihnen noch gängige Methoden vor, mit denen Sie in die Lage versetzt werden, Data-Mining-Lösungen für konkrete Anwendungen zu bewerten.
In diesem kostenlosen offenen Online-Kurs führen wir Sie in das aktuelle und viel diskutierte Thema Big Data Analytics ein. Der sechswöchige Kurs wird Ihnen verständlich machen, warum Daten der Schatz des 21. Jahrhunderts sind und wie man diesen heben kann. Ob Finanzdienstleister, produzierende Unternehmen, Internet-Dienstleister oder Forschungszentren: In Wirtschaft und Wissenschaft wächst das Interesse, in dem gewaltig anschwellenden Meer an erhobenen und anfallenden Daten diejenigen herauszufischen, die es auf interessante Zusammenhänge hin zu analysieren sowie vernünftig zu strukturieren und zu verknüpfen gilt. So können schneller bessere Erkenntnisse gewonnen, Entscheidungen getroffen und Prognosen erstellt werden. Das Meer an Daten führt dann zu einem Mehr an Wissen!
Im Kurs erfahren Sie, wie bei der Auswertung riesiger Datenmengen sinnvoll vorzugehen ist - angefangen bei modernsten Data Mining-Techniken zum "Schürfen" bislang verborgener oder ungenutzter Informationen über die Aufbereitung bis hin zur Analyse der Daten. Aktuelle Anwendungen und einprägsame Praxisbeispiele machen Sie mit den grundsätzlichen Problemstellungen vertraut. Welche verschiedenen Algorithmen bei der Lösung helfen können, wird ebenfalls diskutiert. Schließlich stellen wir Ihnen noch gängige Methoden vor, mit denen Sie in die Lage versetzt werden, Data-Mining-Lösungen für konkrete Anwendungen zu bewerten.
Inhalt:
Eckdaten zum Kurs:
Zielgruppen:
Цей курс отримав у середньому 4.03 зірки від 87 голосів.
Для отримання додаткової інформації див. інструкцію з отримання сертифіката.
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.