EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
[
Deutsch (Schweiz)
Deutsch (Schweiz)
] [
Englisch
Englisch
]
Nicht angemeldet
[Home]
[Anmelden]
[Drucken]
Navigation
Kontakt zu Service Desk
Online-Dokumentation
Allgemeiner Zugriff
Module suchen
t.BA.XX.STDM.06HS (Statistisches Data Mining)
Modul: Statistisches Data Mining
Diese Information wurde generiert am: 25.04.2024
Nr.
t.BA.XX.STDM.06HS
Bezeichnung
Statistisches Data Mining
Veranstalter
T IDP
Credits
4
Beschreibung
Version: 2.0 gültig ab 01.08.2013
Modulverantwortung:
Andreas Ruckstuhl, rkst
Modul- / Lernziele: (Kompetenzen)
Ziel
Kompetenz
Taxonomiestufe
Sie kennen den Data-Mining-Prozess nach CRISP
F
K1
Sie kennen gängige Verfahren aus dem überwachten und unüberwachten Lernen und können ihre Eignung für vorliegende Daten beurteilen.
F, M
K2, K3, K6
Sie können die behandelten Methoden mit einem entsprechenden Programm-Paket praktisch umsetzen.
F, M
K3, K4
Sie können Performance-Evaluationen von Klassifikationsmethoden durchführen und das Ergebnis bezüglich der Problemstellung einordnen
F, M
K2, K3, K6
Modul- / Lerninhalte:
Data-Mining-Prozess nach CRISP, Hautkomponenten-Analyse, Unähnlichkeiten, Multidimensionale Skalierung, gängige hierarchische und partitionelle Clusteranalyse-Methoden, logistische Klassifikation, sowie Klassifikation mit Nächste-Nachbarn-Methode, Klassifikationsbäume, random forest und boosting, Performance-Evaluation von Klassifikationsmethoden.
Statistik-Programm-Paket (R): Statistik- und Grafikroutinen für die im Unterricht behandelten Verfahren. Fallbeispiele.
Lehrmittel/ Materialien:
Skript
Ergänzende Literatur:
Zulassungs-voraussetzungen:
Statistisches Modellieren (StMo) oder Datenanalyse und Prognose (DP)
Unterrichtssprache:
Deutsch
Modulstruktur:
Unterrichtsart
Anzahl Lektionen / Woche
Vorlesung:
14 x 2L
Übung / Praktikum:
14 x 2L
Blockunterricht:
Leistungsnachweise:
Von der Regelung der "Leistungsnachweise während der Unterrichtszeit" kann dann abgewichen werden, wenn der Dozierende dies in einer Modulvereinbarung während der ersten Woche des Studiensemesters schriftlich bekannt gibt.
Bezeichnung
Art
Form
Umfang
Bewertung
Gewichtung
Leistungsnachweise während Unterrichtszeit
Benotung
max. 40%
Semesterendprüfung
Klausur
Schriftlich
90 Min
Benotung
mind. 60%
Bemerkungen:
Der Leistungsnachweis während der Unterrichtszeit und seine Gewichtung legt der Dozierende zu Semesterbeginn schriftlich fest
Kurs: Statistisches Data Mining - Praktikum
Nr.
t.BA.XX.STDM.06HS.P
Bezeichnung
Statistisches Data Mining - Praktikum
Hinweis
Für das Stichdatum 25.04.2024 ist kein Modulbeschreibungstext im System verfügbar.
Verwendung
Der Kurs wird in folgenden weiteren Modulen angeboten:
Modul-Nr.
Bezeichnung
t.WI-5-55
Ingenieurwissenschaftliche Vertiefung Wirtschaftsmathematik
t.WI-6-53-02
Ingenieurwissenschaftliche Vertiefung Wirtschaftsmathematik
Kurs: Statistisches Data Mining - Vorlesung
Nr.
t.BA.XX.STDM.06HS.V
Bezeichnung
Statistisches Data Mining - Vorlesung
Hinweis
Für das Stichdatum 25.04.2024 ist kein Modulbeschreibungstext im System verfügbar.
Verwendung
Der Kurs wird in folgenden weiteren Modulen angeboten:
Modul-Nr.
Bezeichnung
t.WI-5-55
Ingenieurwissenschaftliche Vertiefung Wirtschaftsmathematik
t.WI-6-53-02
Ingenieurwissenschaftliche Vertiefung Wirtschaftsmathematik