TU Wien:Business Intelligence VU (Tjoa)

Daten

Zuordnungen

Masterstudium Data Science
Masterstudium Business Informatics	Modul DA/FD - Data Analytics Foundation (Pflichtfach)
Masterstudium Medizinische Informatik
Masterstudium Software Engineering & Internet Computing
E066950

Inhalt

Data Mining, Data Warehousing und Big Data. Hptsl. nach dem Buch G.K.Gupta, Data Mining

Ablauf

geblockte Vorlesung(3 Termine), 6-7 tests, 3 Übungsblöcke

Detaillierte Ablauf:

• Block 1: Data Mining Basics, Association Rules
  • Literatur -> Test1a -> VO 1 -> Test1b
• Block 2: Classification, Clustering
  • Literatur -> Test2a -> VO 2 -> Test2b
• Block 3: Data Warehousing
  • Literatur -> Test3a -> VO 3 -> Test3b
• BackUp TestXc

(Literatur = Ausgewählte Kapitel aus G. K. Gupta: Introduction to Data Mining with Case Studies durchlesen)

(Jeder Block wird mit hands-on Beispielen begleitet)

WS2016

Es gab im WS2016 nur noch zwei Tests.

• Block 1: Data Mining (Rauber)
  • Literatur -> VO 1-3 -> Test 1 (ca. Ende Nov.)
• Block 2 und 3: Data Warehousing and Big Data (Kiesling)
  • Literatur -> VO 4-8 -> Test 2 (ca. Mitte Jan.)

Alternativer Prüfungstermin Anfang März. Kann auch als "Retake" verwendet werden, jedoch das letzte Ergebnis zählt.

WS2018

Zwei Blöcke, zwei Tests:

• Block 1: Data Platforms (Kiesling)
  • Literatur -> VO 1-3 -> Test 1 (5. November)
• Block 2: Analytics (Rauber & Kiesling)
  • Data Mining (VO 4-6), Big Data Analytics (VO 7)
  • Literatur -> VO 4-7 -> Test 2 (7. Jänner)

Alternativer Prüfungstermin Ende März. Kann auch als "Retake" (für beide) verwendet werden, jedoch das letzte Ergebnis zählt.

Benötigte/Empfehlenswerte Vorkenntnisse

• SQL (Vorteilhaft beim dritten Beispiel)
• WS2020 a good knowledge of SQL is good to perform well on assignment no.2

Vortrag

Die Blöcke zu Data Warehousing und Big Data werden von Prof. Kiesling gehalten. Er gibt sich zwar sichtlich Mühe, aber leider macht das die Vorträge nicht weniger einschläfernd - sie bestehen großteils aus Aufzählungen diverser Eigenschaften von Technologien.

Der Block zu Machine Learning wird von Prof. Rauber gemacht. Den Vorträgen ist an manchen Stelle etwas schwer zu Folgen, aber Prof. Rauber regt sehr dazu an Fragen zu stellen wenn man etwas nicht versteht.

Übungen

Gruppen zu jeweils drei Studierende, Einsatz der Software "Weka" in den ersten 2 Übungsblöcken, im dritten gibt es ein VMWare-Image mit Teradata

WS2016

• Gruppe zu jeweils zwei Studierenden
• Drei Übungsblöcke
  • Data Mining
  • Data Warehousing
  • Big Data
• Für den ersten Übungsblock (Data Mining) kann Weka/MS Azure oder beides verwendet werden

Prüfung, Benotung

• Punkte aus jedem der 6 Tests > 50% (es gibt aber 1xBackUpTest)
• Die Tests sind eine Mischung aus MC und offenen Fragen
• Aus den Übungen muss zusammen auch min.50% erreicht werden

WS2016

• Min. 35% bei beiden Tests und pro Übung
• In Summe mit den Übungen >50% für eine positive Note
• Test 1 war zu 60% MC, 20% rechnen und 20% offene Fragen

WS2018

• 2 Tests + 2 Gruppenarbeiten
• Min. 35% bei beiden Tests und pro Übung
• In Summe mit den Übungen >50% für eine positive Note
• Test 1 war Multiple Choice mit mehrere richtigen Antworten pro Frage (Punkte well alle richtig angekreuzt)

WS2020

• 3 group (2 people) assignments (100p) + 1 individual assignement (exam, 100p)
• Min 35% for each and min 50% overall
• Online exam (see 11.01.2021)

WS2021

• 3 assignments done in groups of 2
• 1 exam online in TUWEL (see 2022-01-13)

Dauer der Zeugnisausstellung

• WS2020: Last assignment submission deadline: 24/25.01.2021, certificate: 15.03.2021

Zeitaufwand

angemessen bis hoch (viel Lernstoff)

Unterlagen

wird zur Verfügung gestellt (TUWEL)

Tipps

noch offen

Verbesserungsvorschläge / Kritik

Zeugnisausstellung dauert mittlerweile fast 3 Monate

In den Tests werden teilweise stupide Aufzählungen von Foliensatz X Seite Y gefordert. Der zweite Test besteht aus Multiple Choice + 3 offenen Fragen, wobei für eine dieser Fragen 20% der Punkte abzuholen sind. Wenn man hier das Pech hat sich an die Themen die vorkommen nicht mehr ganz genau erinnern zu können kann man schnell blöd dastehen. Allgemein wirkt der Test so als hätte man ihn in 15 Minuten zusammengebastelt.

Materialien

Neues Material hinzufügen

2

• 2. Test - Data Mining - old tests
• 2013-11-20 Test 1 - Answers.pdf (details)
• 2013-11-20 Test 1.pdf (details)
• 2015-12-09 Test 1, Gruppe A - Musterlösung.pdf (details)
• 2015-12-09 Test 1, Gruppe B - Musterlösung.pdf (details)
• 2016 WS Test 2.pdf (details)
• 2019-01-07 (2nd test).zip (details)

E

• Exam 2022-01-13
• Exam 2021-01-25
• Exam 2021-01-11

T

• Test 1, 24.11.2016
• Test 2, 07.01.2018