Datenanalyse

Aus TBZ_-_Wiki
Wechseln zu:Navigation, Suche

Linkliste für den Bereich Datenanalyse

Planung und in Ausarbeitung als eigenes Modul. Die Planung umfasst 20 Lektionen. Die folgenden Kapitel entsprechen der geplanten Gliederung.

Weiterbildung und Kursprogramme

Im System CAS, DAS, MAS: Angebot der ZHAW

SATW

Interview mit Jobprofil einer Data-Scientistin Spiegel/Bento

Programmiersprachen

Aktuell buhlen die beiden Programmiersprachen R und Python um die Anwender der Datenanalyse. Die Eingabe von "python versus R" in eine bekannte Suchmaschine ergibt ca. 6,6 Millionen Ergebnisse. Und Perl gibt es ja auch noch (neben ein paar unbekannteren Sachen wie zum Beispiel Tcl - tool command language von Sun)!

Und hier noch ein konkreter Vergleich: kdnuggets


Installation und Einstieg in Python

KDD - Knowledge Discovery in Databases

  • Bereitstellung von Hintergrundwissen
  • Definition Ziele der Wissensfindung
  • Datenauswahl und Datenbereinigung
  • Datenreduktion
  • Auswahl eines Modells
  • Data-Mining, die eigentliche Datenanalyse
  • Interpretation der Erkenntnisse

data mining

  • Ausreißer-Erkennung: Identifizierung von ungewöhnlichen Datensätzen: Ausreißern, Fehlern, Änderungen
  • Clusteranalyse: Gruppierung von Objekten aufgrund von Ähnlichkeiten
  • Klassifikation: nicht zugeordnete Elemente werden bestehenden Klassen zugeordnet
  • Assoziationsanalyse: Identifizierung von Zusammenhängen und Abhängigkeiten in den Daten in Form von Regeln wie „Aus A und B folgt normalerweise C“
  • Regressionsanalyse: Identifizierung von Beziehungen zwischen (mehreren) abhängigen und unabhängigen Variablen
  • Zusammenfassung: Reduktion des Datensatzes in eine kompaktere Beschreibung ohne wesentlichen Informationsverlust

simpel erklärt

Datenbanken

  • die NoSQL-Seite - oder eine von vielen - zumindest eine gute Auflistung vieler Produkte.
  • db-engines Ranking und viele Zusatzinfos

nicht mehr ganz aktuell, aber noch gut:

Michael Stonebreaker & Vertica

mögliche Kursstruktur

  • Einstieg in Python
  • Daten visualisieren
  • lineare Algebra: Vektoren und Matrizen
  • Statistik und Wahrscheinlichkeit (etwas Modul 100)
  • Hypothesen und Schlussfolgerungen
  • Gradientenmethode
  • Daten sammeln und bearbeiten
  • maschinelles Lernen
  • Regression
  • Entscheidungsbäume
  • map reduce

...