Moduldetails

Datenjournalismus: Data Mining OR94
Dieses Modul gehört zum Studienschwerpunkt "Datenjournalismus" im Studiengang Online-Redaktion und wird angeboten im Studiengang Data and Information Science.
	Workload	Credits	Studiensemester	Frequenz	Dauer
	180h	6	6. Sem.	jährlich	1 Sem.
1	Lehrveranstaltungen	Kontaktzeit	Selbststudium	Sprache	Gruppengröße
		∑ 4 SWS / 60h	∑ 120h
	OR94.1 Data Mining (Seminaristischer Unterricht und Laborpraktikum)	OR94.1 4 SWS / 60h	OR94.1 120h	OR94.1 Deutsch	OR94.1 45
2	Lernergebnisse (learning outcomes / Kompetenzen):
	OR94.1 (WAS) Die Studierenden lernen, grundlegende Data Mining-Algorithmen für konkrete Fragestellungen und Datensammlungen auszuwählen, diese – unter Optimierung der frei wählbaren Parameter – anzuwenden und die Ergebnisse zu validieren. (WOMIT) Hierzu erstellen sie Prozess-Streams unter Verwendung professioneller Data Mining Workbenches (wie z.B. RapidMiner, IBM SPSS Modeler), die den kompletten Workflow vom Zugriff auf die Datenquelle (Datenbanksystem, Dateien in unterschiedlichen Formaten) bis zur Ergebnisvisualisierung abbilden. (WOZU) Ziel ist dabei die Generierung neuer Informationen, die für die Entscheidungsfindung und zum Aufbau von Empfehlungssystemen in Wissenschaft und Wirtschaft genutzt werden können.
3	Inhalte:
	OR94.1 Klassifikationsverfahren (z.B. Entscheidungsbaumsysteme, Support Vector Machines) Clusterverfahren (hierarchisch, k-means) Verfahren zur Assoziationsanalyse Kollaboratives Filtern
4	Lehrformen:
	Seminaristischer Unterricht und Laborpraktikum (OR94.1)
5	Teilnahmevoraussetzungen:
	keine
6	Art der Prüfung:
	Klausur oder lehrveranstaltungsbegleitende Prüfung (OR94.1)
7	Voraussetzungen für die Vergabe von Kreditpunkten:
	Bestehen der Modulprüfung
8	Art: Pflicht- oder Wahlmodul
	Wahlmodul
9	Bewertungsmethoden benotet/unbenotet
	unbenotet
10	Stellenwert der Note für die Endnote:
	-
11	Modulbeauftragte/r und hauptamtlich Lehrende
	Modulbeauftragte/r: Prof. Dr. Tobias Galliat Hauptamtlich Lehrende: Prof. Dr. Tobias Galliat, Prof. Dr. Gernot Heisenberg
12	Sonstige Informationen:
	-
13	Literatur / Quellen
	Leskovec, Jure / Rajaramann, Anand / Ullmann, Jeff (2014): Mining of Massive Datasets, 2nd ed. Liu, Bing (2011): Web Data Mining, Heidelberg, 2nd ed.

Datenjournalismus: Data Mining

OR94

Dieses Modul gehört zum Studienschwerpunkt "Datenjournalismus" im Studiengang Online-Redaktion und wird angeboten im Studiengang Data and Information Science.

Workload

Credits

Studiensemester

Frequenz

Dauer

180h

6. Sem.

jährlich

1 Sem.

Lehrveranstaltungen

Kontaktzeit

Selbststudium

Sprache

Gruppengröße

∑ 4 SWS / 60h

∑ 120h

OR94.1

Data Mining (Seminaristischer Unterricht und Laborpraktikum)

OR94.1

4 SWS / 60h

OR94.1

120h

OR94.1

Deutsch

OR94.1

Lernergebnisse (learning outcomes / Kompetenzen):

OR94.1

(WAS) Die Studierenden lernen, grundlegende Data Mining-Algorithmen für konkrete Fragestellungen und Datensammlungen auszuwählen, diese – unter Optimierung der frei wählbaren Parameter – anzuwenden und die Ergebnisse zu validieren.

(WOMIT) Hierzu erstellen sie Prozess-Streams unter Verwendung professioneller Data Mining Workbenches (wie z.B. RapidMiner, IBM SPSS Modeler), die den kompletten Workflow vom Zugriff auf die Datenquelle (Datenbanksystem, Dateien in unterschiedlichen Formaten) bis zur Ergebnisvisualisierung abbilden.

(WOZU) Ziel ist dabei die Generierung neuer Informationen, die für die Entscheidungsfindung und zum Aufbau von Empfehlungssystemen in Wissenschaft und Wirtschaft genutzt werden können.

Inhalte:

OR94.1

Klassifikationsverfahren (z.B. Entscheidungsbaumsysteme, Support Vector Machines)
Clusterverfahren (hierarchisch, k-means)
Verfahren zur Assoziationsanalyse
Kollaboratives Filtern

Lehrformen:

Seminaristischer Unterricht und Laborpraktikum (OR94.1)

Teilnahmevoraussetzungen:

keine

Art der Prüfung:

Klausur oder lehrveranstaltungsbegleitende Prüfung (OR94.1)

Voraussetzungen für die Vergabe von Kreditpunkten:

Bestehen der Modulprüfung

Art: Pflicht- oder Wahlmodul

Wahlmodul

Bewertungsmethoden benotet/unbenotet

unbenotet

Stellenwert der Note für die Endnote:

Modulbeauftragte/r und hauptamtlich Lehrende

Modulbeauftragte/r: Prof. Dr. Tobias Galliat

Hauptamtlich Lehrende: Prof. Dr. Tobias Galliat, Prof. Dr. Gernot Heisenberg

Sonstige Informationen:

Literatur / Quellen

Leskovec, Jure / Rajaramann, Anand / Ullmann, Jeff (2014): Mining of Massive Datasets, 2nd ed.
Liu, Bing (2011): Web Data Mining, Heidelberg, 2nd ed.