Übung: Data Mining und maschinelles Lernen (Übung) - Details

Allgemeine Informationen

Veranstaltungsname	Übung: Data Mining und maschinelles Lernen (Übung)
Semester	WiSe 2025/26
Aktuelle Anzahl der Teilnehmenden	37
Heimat-Einrichtung	Leitung des Instituts für Informatik
beteiligte Einrichtungen	Bioinformatik, Praktische Informatik (Bioinformatik), Praktische Informatik (Datenbanken)
Veranstaltungstyp	Übung in der Kategorie Offizielle Lehrveranstaltungen
Nächster Termin	Mittwoch, 07.01.2026 14:15 - 15:45, Ort: GPU-Pool Informatik (3.02) [VSP 1]
Lehrsprache(n)	Deutsch
SWS	2+2
ECTS-Punkte	5

Lehrende

• PD Dr. Alexander Hinneburg

Räume und Zeiten

GPU-Pool Informatik (3.02) [VSP 1]

Mittwoch: 14:15 - 15:45, wöchentlich (15x)

Studienbereiche

• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Lehrgebiet Datenbanken und Informationssysteme
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Informatik-ohne-Wahlpflichtfach-Mathematik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Datenbanksysteme
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Informatik-mit-Wahlpflichtfach-Mathematik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Informatik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Bioinformatik-Aufbaustudiengang
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Lehrgebiet Angewandte Informatik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Bioinformatik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Master
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Bio-Informatik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Mustererkennung
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Fachrichtungen > Wirtschaftsinformatik
• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Praktische-Informatik

Modulzuordnungen

• Wirtschaftsinformatik WirtschaftsinformatMA120, Akkreditierungsfassung gültig ab WS 2020/21 > 1.3 Informatik > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)
• Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bioinformatik` > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)
• Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Datenbanken und Informationssysteme (Anteil gem. § 5 Abs. 4-6, Anlage 2) > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)
• Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Basismodule der Vertiefungsrichtung `Datenbanken und Informationssysteme` > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)
• Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bildanalyse und Maschinelles Lernen` > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)
• Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `eHumanities` > INF.08063.01 - Data Mining und Maschinelles Lernen, gültig ab WiSe 2023/24 > LV 2: Übung (Übung)

Kommentar/Beschreibung

Data Mining ist es eines der interessantesten Gebiete der Informatik, weil es Datenbanken, Maschinelles Lernen, Effiziente Algorithmen und Visualisierung mit modernen Anwendungen wie Text-Analyse, Bioinformatik und Business Intelligence verbindet.

In der Vorlesung werden zuerst Grundlagen für Grafische Modelle eingeführt, die eine intuitiven Methode zum Modellieren von Wahrscheinlichkeitsverteilungen darstellen. Viele behandelten Algorithmen werden auf diese Grundlage zurückgeführt. Geplant sind Methoden und Algorithmen zur Berechnung von Clustern und Themen, zur Klassifikation, Regression und Vorhersage auf der Grundlage von grafischen Modellen zu entwickeln. Für graphische Modelle werden verschiedene Lernalgorithmen und Evaluationsmethoden vorgestellt. Der letzter Teil führt Neuronale Netze und moderne Deep-Learning-Architekturen wie Variational-Autoencoder und Transformer ein.

In der Veranstaltung wird Julia als Programmiersprache genutzt. Gerade im letzten Teil wird es notwendig sein, Grafik-Karten (Nvidea) zum Training der Neuronalen Netze zu verwenden. Julia ist als Programmiersprache dafür sehr gut geeignet. Wenn Sie keine Nvidea-Grafikkarte besitzen, sollten Sie einplanen zur Übung zum kommen. Die Computer im Pool 3.02 sind mit solchen Grafikkarten ausgestattet.

Bei den Anwendungsbeispielen werden wir uns auf Text-Mining konzentrieren. Texte bieten im Gegensatz zu anderen Daten, eine direkte Möglichkeit des Verständnisses. Dies hilft eine intuitive Vorstellung zu entwickeln, was die Algorithmen eigentlich tun. Daneben lassen sich diese Anwendungen oft auf andere Anwendungsfelder in der Bio- und Wirtschaftsinformatik übertragen.