


Modul 39-M-Inf-VDM Vertiefung Datamining
Fakultät
Modulverantwortliche*r
Turnus (Beginn)
Jedes Sommersemester
Leistungspunkte und Dauer
5 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Kompetenzen
Die Studierenden haben nach Abschluss des Moduls vertiefte Kenntnisse von Methoden des Datamining und ihres theoretischen Hintergrunds: statistische Verfahren zur Extraktion von Zusammenhängen und Modellen, komplexe Lernarchitekturen zur Modellextraktion, informationstheoretische Aspekte der Detektion und Beschreibung von Strukturen in Daten.
Lehrinhalte
Das Modul bietet eine Vertiefung zu Methoden des Datamining und mathematischen Aspekten der Datenanalyse.
Empfohlene Vorkenntnisse
Kompetenzen, die beispielsweise in den Modulen 39-Inf-NN Grundlagen Neuronaler Netze und 39-Inf-10 Datenbanken erworben werden können.
Kompetenzen, wie sie im Modul 39-Inf-DM Grundlagen Dataming erworben werden können, sind für einen erfolgreichen Abschluss dieses Moduls notwendig.
Notwendige Voraussetzungen
—
Erläuterung zu den Modulelementen
Die Modul(teil)prüfung kann in einigen Studiengängen nach Wahl der Studierenden auch "unbenotet" erbracht werden. Vor Erbringung ist eine entsprechende Festlegung vorzunehmen, eine nachträgliche Änderung (benotet - unbenotet) ist ausgeschlossen. Wird diese Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.
Modulstruktur: 0-1 bPr, 0-1 uPr 1
Veranstaltungen
Titel | Art | Turnus | Workload (Kontaktzeit + Selbststudium) | LP2 |
---|---|---|---|---|
Datamining II | Übung mit Praktikum | SoSe | 30h (15 + 15) | 1 |
Datamining II | Vorlesung | SoSe | 60h (30 + 30) | 2 [Pr] [Pr] |
Prüfungen
Organisatorische Zuordnung | Art | Gewichtung | Workload | LP2 |
---|---|---|---|---|
Datamining II
(Vorlesung)
In einigen Studiengängen der Technischen Fakultät kann die Modulprüfung nach Wahl der Studierenden auch "unbenotet" erbracht werden (s. Erläuterungen zu den Modulelementen und die jeweilige FsB). Wird die unbenotete Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird. |
Portfolio mit Abschlussprüfung | unbenotet | 60h |
2
![]() |
Datamining II
(Vorlesung)
Portfolio aus Übungsaufgaben, die veranstaltungsbegleitend gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern der Lösungen). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben. Abschließende mündliche Prüfung (15-25 min.) über die Inhalte der Vorlesung und der Übungen. |
Portfolio mit Abschlussprüfung | 1 | 60h |
2
![]() |
In diesen Studiengängen wird das Modul verwendet:
Studiengang | Profil | Empf. Beginn 3 | Dauer | Bindung 4 |
---|---|---|---|---|
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020] | Variante 1 | 2. | ein Semester | Wahlpflicht |
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020] | Variante 2 | 2. | ein Semester | Wahlpflicht |
Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020] | 2. | ein Semester | Wahlpflicht | |
Intelligente Systeme / Master of Science [FsB vom 17.12.2012 Änderungen vom 15.04.2013, 01.04.2014,15.10.2014, 02.03.2015 und Berichtigung vom 17.11.2014] | 2. | ein Semester | Wahlpflicht | |
Naturwissenschaftliche Informatik / Master of Science [FsB vom 30.09.2016 mit Berichtigung vom 10.01.2017 und Änderungen vom 15.09.2017, 02.05.2018 und 04.06.2020] | 2. | ein Semester | Wahlpflicht | |
Naturwissenschaftliche Informatik / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 01.12.2015 und Berichtigungen vom 01.04.2014, 17.11.2014 und 12.07.2017] | 2. | ein Semester | Wahlpflicht |
Automatische Vollständigkeitsprüfung
In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.
Legende
- 1
- Die Modulstruktur beschreibt die zur Erbringung des Moduls notwendigen Prüfungen und Studienleistungen.
- 2
- LP ist die Abkürzung für Leistungspunkte.
- 3
- Die Zahlen in dieser Spalte sind die Fachsemester, in denen der Beginn des Moduls empfohlen wird. Je nach individueller Studienplanung sind gänzlich andere Studienverläufe möglich und sinnvoll.
- 4
- Erläuterungen zur Bindung: "Pflicht" bedeutet: Dieses Modul muss im Laufe des Studiums verpflichtend absolviert werden; "Wahlpflicht" bedeutet: Dieses Modul gehört einer Anzahl von Modulen an, aus denen unter bestimmten Bedingungen ausgewählt werden kann. Genaueres regeln die "Fächerspezifischen Bestimmungen" (siehe rechtes Menü).
- SL
- Studienleistung
- Pr
- Prüfung
- bPr
- Anzahl benotete Modul(teil)prüfungen
- uPr
- Anzahl unbenotete Modul(teil)prüfungen
-
- Diese Leistung kann gemeldet und verbucht werden.
Modulelemente
Lehrangebot im eKVV
Modullisten zeigen
Data Science / Master of Science // Variante 1
Data Science / Master of Science // Variante 2
Intelligente Systeme / Master of Science