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.
Beide Seiten, vorherige ÜberarbeitungVorherige ÜberarbeitungNächste Überarbeitung | Vorherige Überarbeitung | ||
pruefungen:hauptstudium:ls6:kdd_dw_ss12 [31.07.2012 14:30] – iblubb | pruefungen:hauptstudium:ls6:kdd_dw_ss12 [22.02.2017 08:02] (aktuell) – Hawara | ||
---|---|---|---|
Zeile 6: | Zeile 6: | ||
//Art:// 60 Minuten Klausur (2,5 ECTS) | //Art:// 60 Minuten Klausur (2,5 ECTS) | ||
+ | ---- | ||
(leider nicht vollstaendig) | (leider nicht vollstaendig) | ||
Zeile 14: | Zeile 15: | ||
- 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? | ||
Zeile 31: | Zeile 32: | ||
//Art:// 30 Minuten muendlich (2,5 ECTS) | //Art:// 30 Minuten muendlich (2,5 ECTS) | ||
+ | ---- | ||
1. Outlier | 1. Outlier | ||
Zeile 38: | Zeile 40: | ||
- 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 | ||
Zeile 44: | Zeile 46: | ||
-Welche Methoden gibt es da grob? | -Welche Methoden gibt es da grob? | ||
- | // | + | //-> Partitioning: |
3. Distanzmasze | 3. Distanzmasze | ||
Zeile 56: | Zeile 58: | ||
- 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 | ||
Zeile 64: | Zeile 66: | ||
- 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/ | ||