- Grundlegendes Verständnis für Data Mining in der modernen Datenanalyse
- Unterschiede von Data Mining, Data Analytics und Datenanalyse klarstellen
- Anwendungsfelder von Data Mining in Wirtschaft, Forschung und explorativer Datenanalyse
Python für Datenaufbereitung und Exploration
- Datenbereinigung, Umwandlung und Feature Engineering in Pandas für effiziente Datenanalyse
- Mustererkennung durch explorative Datenanalyse als Basis für Data Mining Methoden
- Einsatz von Python für Data Wrangling, Visualisierung und erste Data Mining Versuche
Methoden und Techniken im Data Mining
- Clustering-Algorithmen zur Datensegmentierung in der Datenanalyse
- Assoziationsregeln und Anomalie-Erkennung mit Data Mining Tools
- Verwendung von Klassifikation und Entscheidungsbäumen mit realen Daten im Data Mining
Projektumsetzung von Data Mining mit Python
- Planung und Durchführung eines kompletten Data Mining Projekts im Kontext Datenanalyse
- Kombination mehrerer Datensätze zur Musterfindung und Auswertung
- Ergebnisse aus Data Mining Prozessen visualisieren und interpretieren mit Python
Anwendung in Data Analytics und Geschäftsprozesse
- Integration von Data Mining Techniken in unternehmenszentrierte Datenanalyse
- Interpretation von Resultaten für geschäftliche Entscheidungen durch Data Mining und Analyse
- Nutzung gewonnener Einblicke für datengetriebene Entscheidungsfindung in der Datenanalyse