Intelligente DatenanalyseModule description #40509 / Version 1
- 6 CP
- Written exam
- Graded
- Winter semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
| Module / Version | #40509 / #1 |
|---|---|
| Validity | WS 2014/15 – SS 2016 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Obermayer, Klaus |
| Grading | Graded |
| Exam format | Written exam |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät IV |
|---|---|
| Institute | Institut für Softwaretechnik und Theoretische Informatik |
| Academic chair | 34351300 FG Neuronale Informationsverarbeitung |
Contact
| Office | Not specified |
|---|---|
| Contact person | Obermayer, Klaus |
| E-mail address | sekr@ni.cs.tu-berlin.de |
| Website | https://www.eecs.tu-berlin.de/grk_15891/menue/contact/ |
Learning outcomes
- Kenntnis wichtiger Verfahren zur Analyse und Aufarbeitung sogenannter schwach strukturierter Daten
- Beurteilung ihrer Vor- und Nachteile, Skalierung mit der Datenmenge
- Anwendung dieser Techniken auf metrische und nicht-metrische hochdimensionale Datensätze (z.B. aus dem Wirtschafts- und Unternehmensbereich), Zeitserien, Audio-, Bild oder Videodaten.
- Kenntnis relevanter Anwendungsgebiete ("data mining", "information retrieval", Zeitreihenvorhersage, Mustererkennung, Bildanalyse, Multimedia).
Die Studierenden sind in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen.
Fachkompetenz:30x Methodenkompetenz:40x Systemkompetenz:20x Sozialkompetenz:10x
- Beurteilung ihrer Vor- und Nachteile, Skalierung mit der Datenmenge
- Anwendung dieser Techniken auf metrische und nicht-metrische hochdimensionale Datensätze (z.B. aus dem Wirtschafts- und Unternehmensbereich), Zeitserien, Audio-, Bild oder Videodaten.
- Kenntnis relevanter Anwendungsgebiete ("data mining", "information retrieval", Zeitreihenvorhersage, Mustererkennung, Bildanalyse, Multimedia).
Die Studierenden sind in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen.
Fachkompetenz:30x Methodenkompetenz:40x Systemkompetenz:20x Sozialkompetenz:10x
Content
Methoden:
Der Schwerpunkt liegt auf Verfahren des maschinellen Lernens und der statistischen Datenanalyse, insbesondere für die Analyse großer Datenmengen. Themen umfassen: Merkmalsselektion und -konstruktion, Quellentrennung, Visualisierung großer Datenmengen, effiziente Gruppierung und Kategorisierung von Daten, Klassifikation und Prädiktion, Modellierung von Daten, Segmentierung und Interpretation (Zeitserien, Bilder, Multimedia), retrieval Methoden, hierarchische Beschreibungen.
Anwendung:
Methoden werden an Hand paradigmatischer Anwendungen eingeführt. Anwendungsgebiete umfassen: "data mining", "information retrieval" (z.B. Text, Bilder), Zeitreihenvorhersage, Bildanalyse, Mustererkennung, Audio- und Video-Daten.
Der Schwerpunkt liegt auf Verfahren des maschinellen Lernens und der statistischen Datenanalyse, insbesondere für die Analyse großer Datenmengen. Themen umfassen: Merkmalsselektion und -konstruktion, Quellentrennung, Visualisierung großer Datenmengen, effiziente Gruppierung und Kategorisierung von Daten, Klassifikation und Prädiktion, Modellierung von Daten, Segmentierung und Interpretation (Zeitserien, Bilder, Multimedia), retrieval Methoden, hierarchische Beschreibungen.
Anwendung:
Methoden werden an Hand paradigmatischer Anwendungen eingeführt. Anwendungsgebiete umfassen: "data mining", "information retrieval" (z.B. Text, Bilder), Zeitreihenvorhersage, Bildanalyse, Mustererkennung, Audio- und Video-Daten.
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Intelligente Datenanalyse (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Intelligente Datenanalyse (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 120 h | |||
The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes, alle Anwendungen werden exemplarisch zusammen mit einem relevanten Anwendungsgebiet erläutert. Übungen: Übungsaufgaben zur Vertiefung des Stoffes der Vorlesung (in der Regel kleine rechnergestützte, praktische Beispiele, z.T. mit vorgegebener Software). die Übungsaufgaben werden in den Tutorien besprochen. Projektaufgabe (z.B., Zeitserienvorhersage, Mustererkennung, Prognose, Bildanalyse, Multimedia) gegen Ende der Veranstaltung, Bearbeitung in Kleingruppen unter Anleitung eines Tutors. Soft- und Hardwareumgebungen werden bereitgestellt.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Erfolgreiche Teilnahme an den Pflichtveranstaltungen der Zyklen MPGI, TheGI und Mathematik oder äquivalente Kenntnisse
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Written exam |
| Language | German |
Exam description
Schriftliche Klausur
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Informationen zur Anmeldung sind über die Web-Seiten der Fachgebiete CV, NI und NÜ bzw. über die entsprechenden Sekretariate erhältlich.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
unavailable
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Miscellaneous
Das Modul wird jedes WiSe angeboten.