- Grundverständnis von data mining in der modernen Data Analysis
- Unterschiede zwischen data mining, Data Analytics und Data Analysis verstehen
- Anwendungsbereiche von data mining in Wirtschaft, Forschung und explorativer Data Analysis
Datenvorbereitung und Exploration mit Python
- Datensäuberung, Transformation und Feature Engineering mit Pandas für effektive Data Analysis
- Explorative Data Analysis zur Mustererkennung als Vorbereitung für data mining Methoden
- Nutzung von Python für Data Wrangling, Visualisierung und erste data mining Experimente
Data Mining Methoden und Techniken
- Clustering-Algorithmen zur Segmentierung von Daten in der Data Analysis
- Assoziationsregeln und Anomalie-Erkennung mit data mining Frameworks
- Einsatz von Klassifikation und Entscheidungsbäumen mit realen Daten im data mining Prozess
Data Mining Projekt mit Python
- Vorbereitung und Umsetzung eines vollständigen data mining Projekts mit Bezug zur Data Analysis
- Verknüpfung mehrerer Datensätze zur Musterentdeckung und Analyse
- Interpretation und Visualisierung der Ergebnisse aus data mining Workflows mit Python
Abschlussanalyse und Anwendung in Data Analytics
- Integration von data mining Techniken in unternehmensnahe Data Analysis
- Business-orientierte Ergebnisinterpretation durch Kombination von data mining und Analyse
- Nutzung gewonnener Erkenntnisse für datengetriebene Entscheidungen im Rahmen der Data Analysis
Der Kurs behandelt Python-gestützte data mining Methoden, von der Datensäuberung bis zur Anwendungsanalyse in Business und Forschung.