Home | english | Impressum | Sitemap | KIT

Praktikum Entwicklung von Algorithmen zum Outlier Mining

Praktikum Entwicklung von Algorithmen zum Outlier Mining
Typ: Praktikum (P)
Semester: Wintersemester 2011/12
Zeit:

Dienstags, 15:45 - 17:15 Uhr

Dozent:

Prof. Dr.-Ing. Klemens Böhm
Dr. Emmanuel Müller

SWS: 2
LVNr.: 24310
Hinweis:

Zur Anmeldung für das Praktikum können Sie sich per E-Mail an Emmanuel Müller unter Angabe von Name, Adresse, Matrikelnummer, Telefonnummer, Studiengang (Informatik/Inwi? Master/Diplom?) und Fachsemesterzahl anmelden.

Zusammenfassung

Im Praktikum sollen Kenntnisse aus fortgeschrittenen Data Mining Vorlesungen in die Praxis umgesetzt werden. Dabei geht es vor allem um die eigenständige Entwicklung eines Data Mining Werkzeuges zur Analyse von großen und komplexen Datenbeständen. Hierbei erlernen die Studierenden Data Mining Lösungen für konkrete Anwendungen anzupassen und diese mit Benchmark-Daten zu evaluieren. Ziel ist die Erstellung eines größeren Softwareprojektes. Dadurch sollen die Studenten Grundlagen der Softwareentwicklung vertiefen und lernen im Team zusammenzuarbeiten.

Lernziele

Ziel des Praktikums ist es, Data Mining Techniken in Java zu implementieren und anschließend mit geeigneten Evaluierungsmethoden zu untersuchen. Dabei sollen verschiedene Outlier Mining Techniken untersucht werden. Die Entwicklung umfasst Anforderungsanalyse, Modellierung, Implementierung, Tests und Integration in ein bestehendes OpenSource Projekt.

  •   Es werden grundlegende und fortgeschrittene Outlier Mining Algorithmen behandelt.
  • Das Praktikum vermittelt einen Überblick über bestehende Methoden und ermöglicht deren Schwächen und Stärken in praktischen Anwendungsfällen zu bewerten.

 Die Studierenden erlangen einen tiefen Einblick in bestehende Forschungsprojekte am Lehrstuhl und können sich durch die Entwicklung neuer Outlier Mining Algorithmen an neuen Lösungsansätzen beteiligen.

Voraussetzungen

Fortgeschrittene Kenntnisse im Bereich Data Mining, z.B. aus der Vorlesung Data Mining Paradigmen und Methoden für komplexe Datenbestände [24647] werden vorausgesetzt. Darüber hinaus sind Kenntnisse in der Programmierung mit Java erforderlich.