Difference between revisions of "TU Wien:Clusteranalyse und Methoden des unüberwachten Lernens VU (Templ)"

From VoWi
Jump to navigation Jump to search
Line 1: Line 1:
<!-- Das hier ist ein Template für neue Artikel. Einzelne Sektionen können umbenannt oder weggelassen werden, die erste Sektion "Daten" sollte aber immer bleiben. Aus der Sektion Daten sollten zumindest LVA-LeiterIn und ECTS/SWS-Anzahl bleiben.
 
 
Fuer Ideen, was du in diesen Artikel schreiben koenntest, kannst du dir auch diese Seite anschaun:
 
http://vowi.fsinf.at/wiki/VoWi:Mission
 
-->
 
 
<!-- Du kannst einen Artikel auch einstweilen als Stub deklarieren:
 
-->
 
{{Stub}}
 
 
 
 
== Daten ==
 
== Daten ==
 
* LVA-LeiterIn: [http://www.statistik.tuwien.ac.at/public/templ/mtempl/?page_id=2 Prof. Matthias Templ]
 
* LVA-LeiterIn: [http://www.statistik.tuwien.ac.at/public/templ/mtempl/?page_id=2 Prof. Matthias Templ]
Line 28: Line 17:
  
 
== Ablauf ==
 
== Ablauf ==
Prof. Templ trägt die oben genannten Themengebiete vor (im SS 2010 auf Englisch). Zusätzlich dazu wird von jedem Teilnehmer ein spezielles R-Paket für Clusteranalyse vorbereitet und dann in einem ca. 40-min Vortrag präsentiert.
+
Prof. Templ trägt die oben genannten Themengebiete vor (im SS 2010 auf Englisch, wie es die nächsten Semester sein wird, weiß ich nicht). Zusätzlich dazu wird von jedem Teilnehmer ein spezielles R-Paket für Clusteranalyse vorbereitet und dann in einem ca. 40-min Vortrag präsentiert.
  
 
== Benötigte/Empfehlenswerte Vorkenntnisse ==
 
== Benötigte/Empfehlenswerte Vorkenntnisse ==
Peter Filzmosers Explorative Datenanalyse und Visualisierung hilft sehr, da dort bereits einige Grundlagen vorgetragen wurden. Ebenso ist das Fach Statistical Computing von Prof. Templ sinnvoll, da dort R sehr detailliert durchgenommen wird.
+
{{LVA|Explorative Datenanalyse und Visualisierung VU (Filzmoser)}} hilft sehr, da dort bereits einige Grundlagen vorgetragen wurden. Ebenso ist das Fach {{LVA|Statistical Computing VO (Templ)}} sinnvoll, da dort R detailliert durchgenommen wird.
  
 
== Vortrag ==
 
== Vortrag ==
noch offen
+
Der Vortrag ist relativ interessant und lehrreich. Besonders umgehaut hat er mich aber nicht. Prof. Templ trägt in einem mittel-gutem Englisch vor, wobei er großen Wert auf die Zusammenhänge und das Verständnis, statt auf komplizierte Formeln legt.
 +
Die Vorträge der Studenten sind natürlich sehr verschieden, je nach Gruppe gibt es bessere und schlechtere Vorträge.
  
== Übungen ==
+
== Übung ==
noch offen
+
Das Ausarbeiten des Vortrags der R-Pakets ist eher mühselig, da die umfangreiche R-Dokumentation zu diesem Paket durchgelesen, verstanden und aufbereitet werden muss.
  
 
== Prüfung, Benotung ==
 
== Prüfung, Benotung ==
noch offen
+
Die Prüfung ist mündlich und Prof. Templ legt auch hier Wert auf Verständnis. Die Beurteilung ist nicht streng.
  
 
=== Dauer der Zeugnisausstellung ===
 
=== Dauer der Zeugnisausstellung ===
noch offen
+
Die Note erfährt man nach der Prüfung sofort, das Zeugnis erhält man nach einigen Tagen (je nachdem ob Prof. Templ gerade Zeit hat, oder nicht). Ich bin mir auch sicher, wenn man die Note dringend braucht, bekommt man sie auch schneller.
  
 
== Zeitaufwand ==
 
== Zeitaufwand ==
noch offen
+
Neben den wöchentlichen Vorlesungen ist der eigene Vortrag (je nach Intensität, mit der man sich vorbereitet) zwar ein kleiner Zeitfresser aber nur einmalig. Ich habe ca. 10 Stunden mich auch meinen Vortrag vorbereitet.
  
 
== Unterlagen ==
 
== Unterlagen ==
noch offen
+
Da dieses Semester (SS 2010) diese Vorlesung neu dazugekommen ist, gab es erst am Ende des Semesters ein (halbwegs vollständiges) Skriptum mit ungefähr 70-80 Seiten (mit vielen Bildern).
* {{Materialien}}
 
  
 
== Tipps ==
 
== Tipps ==
noch offen
+
Die Vorlesung regelmäßig besuchen hilft beim Verständnis, da im Skriptum viele Formeln stehen, die erst bei einem tieferen Verständnis sinnvoll verstanden und genutzt werden können.
  
 
<!-- Um den Artikel in die richtig einzuordnen bitte die Kategorien, die nicht auf diese LVA zutreffen, und die Kommentare löschen
 
 
[[Kategorie:Algorithmik]]
 
[[Kategorie:Artificial Intelligence]]
 
[[Kategorie:Computergraphik]]
 
[[Kategorie:Datenbanken]]
 
[[Kategorie:Fremdsprachen]]
 
[[Kategorie:Geistes- und Sozialwissenschaften]]
 
[[Kategorie:Hardware und Hardwarenahes]]
 
[[Kategorie:Linux]]
 
 
[[Kategorie:Mathematik]]
 
[[Kategorie:Mathematik]]
[[Kategorie:Medizin, Biologie, Physik und Chemie]]
 
[[Kategorie:Multimedia]]
 
[[Kategorie:Netzwerk- und Internettechnologien]]
 
 
[[Kategorie:Programmierung und Softwareentwicklung]]
 
[[Kategorie:Programmierung und Softwareentwicklung]]
 
[[Kategorie:Sonstiges]]
 
[[Kategorie:Sonstiges]]
[[Kategorie:Theoretische Informatik und Logik]]
 
[[Kategorie:Wirtschaft und Recht]]
 
 
[[Kategorie:LVAs in den Ferien]]
 
 
[[Kategorie:Nicht-deutschsprachige LVAs]]
 
[[Kategorie:Nicht-deutschsprachige LVAs]]
-->
 

Revision as of 16:20, 17 July 2010

Daten

|Pflichtmodul Unbekannt oder "Prä-Modul-Ära" - EDIT ME |- mit Spezialisierung auf Information Engineering


Inhalt

Das Themengebiet Clusteranalyse wird ausführlich vorgetragen, diskutiert, und anhand von vielen praktischen Beispielen demonstriert. Die Lehrveranstaltung arbeitet stark mit der Statistik-Software R. Konkret werden folgende Kapitel durchgenommen:

  • Allgemeine Dinge zu Clusteranalyse (was ist das überhaupt)
  • Voraussetzungen und Probleme (Distanzmaße, Fehlende Daten, Zensierte Daten, Transformationen, Standardisierung)
  • Clusterung (Hierachische Clusterung, Partitionierung, Fuzzy-Clustering, Model-Based Clustering,...)
  • Clustervalidierung (wie gut sind mein Cluster, hinsichtlich gewisser Aspekte).

Ablauf

Prof. Templ trägt die oben genannten Themengebiete vor (im SS 2010 auf Englisch, wie es die nächsten Semester sein wird, weiß ich nicht). Zusätzlich dazu wird von jedem Teilnehmer ein spezielles R-Paket für Clusteranalyse vorbereitet und dann in einem ca. 40-min Vortrag präsentiert.

Benötigte/Empfehlenswerte Vorkenntnisse

Explorative Datenanalyse und Visualisierung VU (Filzmoser) hilft sehr, da dort bereits einige Grundlagen vorgetragen wurden. Ebenso ist das Fach Statistical Computing VO (Templ) sinnvoll, da dort R detailliert durchgenommen wird.

Vortrag

Der Vortrag ist relativ interessant und lehrreich. Besonders umgehaut hat er mich aber nicht. Prof. Templ trägt in einem mittel-gutem Englisch vor, wobei er großen Wert auf die Zusammenhänge und das Verständnis, statt auf komplizierte Formeln legt. Die Vorträge der Studenten sind natürlich sehr verschieden, je nach Gruppe gibt es bessere und schlechtere Vorträge.

Übung

Das Ausarbeiten des Vortrags der R-Pakets ist eher mühselig, da die umfangreiche R-Dokumentation zu diesem Paket durchgelesen, verstanden und aufbereitet werden muss.

Prüfung, Benotung

Die Prüfung ist mündlich und Prof. Templ legt auch hier Wert auf Verständnis. Die Beurteilung ist nicht streng.

Dauer der Zeugnisausstellung

Die Note erfährt man nach der Prüfung sofort, das Zeugnis erhält man nach einigen Tagen (je nachdem ob Prof. Templ gerade Zeit hat, oder nicht). Ich bin mir auch sicher, wenn man die Note dringend braucht, bekommt man sie auch schneller.

Zeitaufwand

Neben den wöchentlichen Vorlesungen ist der eigene Vortrag (je nach Intensität, mit der man sich vorbereitet) zwar ein kleiner Zeitfresser aber nur einmalig. Ich habe ca. 10 Stunden mich auch meinen Vortrag vorbereitet.

Unterlagen

Da dieses Semester (SS 2010) diese Vorlesung neu dazugekommen ist, gab es erst am Ende des Semesters ein (halbwegs vollständiges) Skriptum mit ungefähr 70-80 Seiten (mit vielen Bildern).

Tipps

Die Vorlesung regelmäßig besuchen hilft beim Verständnis, da im Skriptum viele Formeln stehen, die erst bei einem tieferen Verständnis sinnvoll verstanden und genutzt werden können.