Data Mining
Infolge der durchgängigen Anwendung von Informationstechnologien und der Digitalisierung sind heutzutage in fast allen Arbeitsbereichen und Aufgabengebieten große Datenbestände verfügbar. Mit Data Mining bezeichnet man jenen Ansatz, bei welchem aus umfangreichen Datenbeständen systematische Zusammenhänge weitgehend automatisiert herausgefunden und Wissen über die Zusammenhänge der zugrundeliegenden Systeme offenlegt werden können.
Beispiele für solche umfangreiche Datenbestände sind alle möglichen Arten von
Datenbanken
Versuchsreihen und Tests
numerischen Simulationen
Sensorsignalen im Realbetrieb
Data Mining besteht
- aus der systematischen Zusammenstellung und Aufbereitung der vorhandenen Daten und
- aus der Extraktion von Wissen durch Anwendung von Machine Learning-Verfahren, welche die vorhandene Zusammenhänge in den Daten "erlernen" bzw. diese freilegen und strukturieren helfen.
Werkzeuge
- Daten-Zusammenstellung
- Daten-Bereinigung
- Daten-Aufbereitung
- Machine Learning
Weitere Informationen
- Machine Learning
- Neuronale Netze
- Big Data
- Über die goldene Regel des Data Mining niemals Rohdaten zu ändern
- Wieso wir die Verteilungsfunktion so lieben und das Histogramm weniger gern mögen
- Künstliche Neuronale Netze sind Blackboxroutinen. Darf man die überhaupt verwenden?
- Was ist so besonders an Künstlichen Neuronalen Netzen?
- Wieviele Daten benötigt man für das Training von Neuronalen Netzen?