| INFMS Web- und Data Science | SG | INF | |
|---|---|---|---|
| Dozent : |
Prof. Dr. Sven Buchholz
eMail
|
Semester | 2 |
| Einordnung : | Master Informatik (Sommer-Immatrikulation) | SWS | 4 |
| Sprache : | Deutsch | Art | VÜS |
| Prüfungsart : | PL | Credits | 6 |
| Prüfungsform : | Klausur 120 min | ||
| Voraussetzungen : | |||
| Querverweise : | |||
| Vorkenntnisse : | Mathematik I | ||
| Hilfsmittel und Besonderheiten : | Studien- und Prüfungsleistungen: Semesterbegleitende Leistungen können in die Bewertung einbezogen werden. | ||
| Lehrziele : | Die Studierenden kennen die wichtigsten Methoden und Werkzeuge zum Management und zur Analyse von großen Datenbeständen (Big Data). Sie sind vertraut mit Graphalgorithmen für die Analyse von Webdaten und Sozialen Netzwerken. Die Studierenden kennen alle Dimensionen der Datenwissenschaft, und können insbesondere ihre Standardaufgaben wie Klassifikation und Clustering mit Methoden der Statistik und des Maschinellen Lernens lösen. Sie kennen Modelle für Datenströme und können informatorische Methoden und Konzepte, insbesondere approximative Algorithmen, deren Behandlung und Analyse anwenden. | ||
| Lehrinhalte : | * Grundlagen von Information Retrieval und Suchmaschinen * Webdaten, PageRank, Spam * Analyse Sozialer Netzwerke, Community Detection * Informatorische und Statistische Grundlagen von Datenwissenschaft * Algorithmen und Lernverfahren für Klassifikation, Clustering * Modelle für Datenströme, Analyse von Datenströmen mit Hilfe Appromiativer Algorithmen | ||
| Literatur : | Leskovec, Rajaraman & Ullman: Mining of Massive Datasets, 2019. Russel: Mining the Social Web, 2019. Medjedovic & Tahirovic: Algorithms and Data Structures for Massive Datasets, 2022. Blum, Hopcroft & Kannan: Foundations of Data Science, 2016. | ||