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

From VoWi
Jump to navigation Jump to search
(Die Seite wurde neu angelegt: „<!-- Das hier ist ein Template für neue Artikel. Einzelne Sektionen können umbenannt oder weggelassen werden, die erste Sektion "Daten" sollte aber immer bleibe…“)
 
Line 6: Line 6:
  
 
<!-- Du kannst einen Artikel auch einstweilen als Stub deklarieren:
 
<!-- Du kannst einen Artikel auch einstweilen als Stub deklarieren:
 +
-->
 
{{Stub}}
 
{{Stub}}
-->
+
 
  
 
== Daten ==
 
== Daten ==
* LVA-LeiterIn: [http://www.example.com/Profbeispiel Prof. Beispiel]
+
* LVA-LeiterIn: [http://www.statistik.tuwien.ac.at/public/templ/mtempl/?page_id=2 Prof. Matthias Templ]
* Mitwirkende: [http://www.example.com/Profbeispiel2 Prof. Beispielzwei], [http://www.example.com/DiplIngbeispiel Dipl.-Ing. Beispiel]
+
* ECTS: 3 (SWS: 2)
* ECTS: 3/4.5/6... (SWS: 2/3/4...)
+
* HP der LVA: http://www.statistik.tuwien.ac.at/public/templ/mtempl/?cat=3
* HP der LVA: http://www.example.com/lvasowieso
+
* Institut: [http://www.statistik.tuwien.ac.at/ Institut für Statistik und Wahrscheinlichkeitsrechnung]
* Institut: [http://www.example.com/institutsowieso Institut Sowieso]
 
 
* Wird im Sommersemester/Wintersemester angeboten
 
* Wird im Sommersemester/Wintersemester angeboten
* ...
+
* {{534}} mit Spezialisierung auf Information Engineering
  
<!-- Studienplanzuordnungen:
 
Um einen Artikel als Pflichtfach fürs Bachelorstudium Software Engineering zu deklarieren, schreibe:
 
* {{534}}
 
Welche Studienplanzuordnungen es gibt, steht unter http://vowi.fsinf.at/wiki/VoWi:Kategorien_und_Vorlagen#Studienplanzuordnungen -->
 
  
 
== Inhalt ==
 
== Inhalt ==
noch offen, bitte nicht von TUWIS oder Homepage kopieren, sondern aus Studierendensicht beschreiben.
+
Das Themengebiet Clusteranalyse wird ausführlich vorgetragen, diskutiert, und anhand von vielen praktischen Beispielen demonstriert. Die Lehrveranstaltung arbeitet stark mit der [http://www.r-project.org 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 ==
 
== Ablauf ==
noch offen
+
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.
  
 
== Benötigte/Empfehlenswerte Vorkenntnisse ==
 
== Benötigte/Empfehlenswerte Vorkenntnisse ==
noch offen
+
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.
  
 
== Vortrag ==
 
== Vortrag ==

Revision as of 14:00, 17 July 2010


Vorlage:Stub


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). 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

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.

Vortrag

noch offen

Übungen

noch offen

Prüfung, Benotung

noch offen

Dauer der Zeugnisausstellung

noch offen

Zeitaufwand

noch offen

Unterlagen

noch offen

Tipps

noch offen