 |
Masterclass Datamining
In het kader van
vakgebieden als Knowledge Management en Business
Intelligence is datamining een belangrijk instrument om
pragmatisch onderzoek te doen op deze vakgebieden. Met
Datamining probeert u interessante patronen uit grote
hoeveelheden data te halen.
In deze masterclass worden eerst een aantal
basisbegrippen behandeld en daarna wordt ingegaan op de
volgende onderwerpen: onderliggende principes van
datamining algoritmen en hun toepassing: gegevens
vergaren, visualisatie, data-analyse en onzekerheid.
Datamining: algoritmen, modellen en patronen, scorings
functies, zoek- en optimalisatiemethoden, beschrijvend
modelleren, classificatie, regressie. Een
practicumopdracht is onderdeel van de masterclass. Dit
practicum kunt u onder begeleiding doen of thuis op uw
eigen PC. In een verslag toont u aan dat u het practicum
gedaan heeft.
| 1 |
|
- Datamining
- Cconcepts
- Instances
- Aattributes |
| 2 |
|
- Knowledge representation
- Decision Tables
- Decision Trees
- Classification rules
- Association Rules
- Instances based representation |
| 3 |
|
- Statistical Modeling
- Lineair Models
- Instances based learning
- Clustering
- Minimum Desrcription Length Principle |
| 4 |
|
- Realmachine Learning
Schemes
- Introduction to WeKa
- The Explorer |
| 5 |
|
- The Knowledge flow
Interface
- The Experimenter
- Datamining youself |
Literatuur;DataMining:
Practical Machine Learning Tools and Techniques with Java
Implementations Ian H. Witten, Eibe Frank Morgan Kaufmann
October 1999 416 pages Paper ISBN 1-55860-552-5
Uitvoering;
ongeveer 16 a 20 contacturen in 5 dagsessies of 5
avonden, eens in de 2 a 3 weken een sessie. Maximaal 16
deelnemers per groep.
Studiebelasting;
140 SBU, 5 EC. Planning;
zie planning
Toetsing;
schriftelijk tentamen + verslag.
|