Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 6 » Prüfungsprotokoll KDDDW Sommersemester 2012 (Übersicht)
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
Nächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls6:kdd_dw_ss12 [31.07.2012 14:30] – angelegt iblubb | pruefungen:hauptstudium:ls6:kdd_dw_ss12 [22.02.2017 08:02] (aktuell) – Hawara | ||
---|---|---|---|
Zeile 3: | Zeile 3: | ||
==== DW ==== | ==== DW ==== | ||
// | // | ||
+ | |||
//Art:// 60 Minuten Klausur (2,5 ECTS) | //Art:// 60 Minuten Klausur (2,5 ECTS) | ||
+ | |||
+ | ---- | ||
(leider nicht vollstaendig) | (leider nicht vollstaendig) | ||
+ | |||
- Definition nach Immon nennen und jeweils kurz erklaeren | - Definition nach Immon nennen und jeweils kurz erklaeren | ||
+ | |||
- Unterschiede zwischen RDBs und DWHs anhand Fokus, Anfrageunterstuetzung usw. | - Unterschiede zwischen RDBs und DWHs anhand Fokus, Anfrageunterstuetzung usw. | ||
- | //Tabelle aus dem Skript// | + | |
+ | //-> Tabelle aus dem Skript// | ||
- Wieso gibt es in DWHs so viele Nullwerte? | - Wieso gibt es in DWHs so viele Nullwerte? | ||
+ | |||
- Was ist fuer kleine Datenmengen besser: ROLAP oder MOLAP? | - Was ist fuer kleine Datenmengen besser: ROLAP oder MOLAP? | ||
+ | |||
- Je zwei Beispiele fuer STOCK, FLOW und VALUE-PER-UNIT nennen und erklaeren, wieso STOCK Probleme beim Aggregieren macht | - Je zwei Beispiele fuer STOCK, FLOW und VALUE-PER-UNIT nennen und erklaeren, wieso STOCK Probleme beim Aggregieren macht | ||
+ | |||
- Vorteile und Nachteile von MOLAP | - Vorteile und Nachteile von MOLAP | ||
+ | |||
+ | |||
==== KDD ==== | ==== KDD ==== | ||
+ | |||
// | // | ||
+ | |||
//Art:// 30 Minuten muendlich (2,5 ECTS) | //Art:// 30 Minuten muendlich (2,5 ECTS) | ||
+ | |||
+ | ---- | ||
1. Outlier | 1. Outlier | ||
+ | |||
- Was sind Outlier? Welche Typen gibt es da? | - Was sind Outlier? Welche Typen gibt es da? | ||
+ | |||
- Wie kann ich diese entdecken? | - Wie kann ich diese entdecken? | ||
- | //Methoden aufzaehlen, also supervised - unsupervised - semi-supervised und cluster - proximity - statistical// | + | |
+ | //-> Methoden aufzaehlen, also supervised - unsupervised - semi-supervised und cluster - proximity - statistical// | ||
2. Clustering | 2. Clustering | ||
+ | |||
-Welche Methoden gibt es da grob? | -Welche Methoden gibt es da grob? | ||
- | // | + | |
+ | //-> Partitioning: | ||
3. Distanzmasze | 3. Distanzmasze | ||
+ | |||
- Welche gibt es fuer welche Attributtypen? | - Welche gibt es fuer welche Attributtypen? | ||
+ | |||
- Was ist der Unterschied zwischen Euklid und Manhattan? | - Was ist der Unterschied zwischen Euklid und Manhattan? | ||
4. Classification | 4. Classification | ||
+ | |||
- Welche Methoden haben wir da so kennengelernt? | - Welche Methoden haben wir da so kennengelernt? | ||
- | //Decision tree erklaeren: wie erstelle ich den Baum, wie waehle ich ein Attribut, wann stoppe ich// | + | |
+ | //-> Decision tree erklaeren: wie erstelle ich den Baum, wie waehle ich ein Attribut, wann stoppe ich// | ||
5. Association Rules | 5. Association Rules | ||
+ | |||
- Was ist das? | - Was ist das? | ||
+ | |||
- Wie kriegen wir die? | - Wie kriegen wir die? | ||
- | //Frequent itemsets und Apriori erklaeren// | + | |
+ | //-> Frequent itemsets und Apriori erklaeren// | ||
- Wie kriegen wir aus den frequent itemsets jetzt die Regeln? | - Wie kriegen wir aus den frequent itemsets jetzt die Regeln? | ||
+ | //Prüfung WS 2016/ | ||
+ | |||
+ | Was genau ist KDD? Was ist der Unterschied im Vergleich zu normalen Datenbanken? | ||
+ | |||
+ | Data preprocessing erklären (Cleaning, Integration, | ||
+ | |||
+ | Alles zu Cluster(Was ist ein Cluster, Worauf ist zu achten) | ||
+ | K-means erklären | ||
+ | Association Rules erklären/ | ||