Conference Service Mandl

abstract: KursZiel dieses Methodenkurses ist die praxisorientierte Vermittlung von Grundkenntnissen in der Datenbereinigung und -aufbereitung. Unsere Methodenkurse sind softwareunabhängig konzipiert und eignen sich auch für Anwender, die nicht mit STATISTICA arbeiten. Zielgruppe: Dieser Kurs richtet sich an Fachkräfte in Dienstleistungs- oder Industrieunternehmen, welche ihre Analysen mit einer hochwertigen Datengrundlage realisieren möchten. Kursinhalte: Eine bekannte Daumenregel im Analysegeschäft lautet: Etwa 80% der Arbeit liegen in der Datenbereinigung und -aufbereitung. Aus langjähriger Erfahrung mit Kundenprojekten kennt StatSoft die typischen Hürden, die es für eine erfolgreiche Analyse zu nehmen gilt. Der Kurs gibt einen praxisnahen Überblick über die wichtigen Schritte im Datenmanagement. Die Themen: * Typische Fehler in Daten * Missing Data und Ausreißer * Verteilungstests und Transformieren * Relevante Einflussgrößen * Optimale Stichproben * Datenverständnis mittels Grafiken Der Kurs ist softwareunabhängig und branchenübergreifend konzipiert. Die Teilnehmer erhalten ein ausgedrucktes Handbuch mit allen Kursfolien und eine CD mit Übungsdateien. Die Unterlagen enthalten Klick-Beispiele für STATISTICA, mit denen die Teilnehmer im Anschluss an den Kurs das Gelernte praxisnah umsetzen und vertiefen können. Voraussetzungen: Der Kurs ist softwareunabhängig und branchenübergreifend konzipiert. Die Teilnehmer erhalten ein ausgedrucktes Handbuch mit allen Kursfolien und eine CD mit Klick-Beispielen, mit denen sie das Gelernte im Anschluss an den Kurs praxisnah umsetzen und vertiefen können. Ergänzende Kurse: Zur weiteren Vertiefung von statistischen Verfahren bieten wir unsere Methodenkurse 'Einführung in die Statistik – Teil 1' und ' – Teil 2' (STA1, STA2) an, sowie 'Methoden für statistisches Data Mining' (MDM) und 'Data Mining in der Praxis' (PDM). Für die praktische Umsetzung empfehlen wir...

abstract: The biennial IDA Symposium series started in 1995, focused on the problem of end-to-end intelligent support for data analysis. Like many technical conferences, the Symposium gradually detached from its motivating problem and became associated with vanilla data mining algorithms. In 2010 the Symposium will return to its roots: modeling and analyzing complex, dynamical systems using abstractions and techniques that cut across domains. The program will be interdisciplinary, emphasizing first look" papers on high-impact work that might elsewhere be considered preliminary. To stimulate interactivity, the meeting will be held on the residential campus of Biosphere 2, near the University of Arizona's campus in Tucson."

abstract: KursZiel dieses Methodenkurses ist die Einführung in Konzepte, Terminologie und Methoden des Data Mining. Unsere Methodenkurse sind softwareunabhängig konzipiert und eignen sich auch für Anwender, die nicht mit STATISTICA arbeiten. Zielgruppe: Dieser Kurs richtet sich an Projektleiter und qualifizierte Fachkräfte in Dienstleistungs- oder Industrieunternehmen, die ihre Daten mit modernen Data-Mining-Techniken auswerten möchten. Kursinhalte: Der Kurs liefert einen Überblick zur Idee und Bedeutung von Data Mining, der Kunst und Wissenschaft, aus Daten zu lernen. Einzelne Data-Mining-Werkzeuge werden genauer betrachtet und ihre Bedeutung für unterschiedliche Analyseaufgaben erläutert. Zu allen vorgestellten Techniken wird die grundlegende Methodik erklärt und anhand praktischer Beispiele veranschaulicht. Die Themen: * Konzepte und Prozesse im Data Mining * Techniken der Datenvorverarbeitung und Visualisierung * Methoden des unüberwachten Lernens (Grafiken, Cluster- und Hauptkomponentenanalysen, Assoziationsregeln etc.) * Methoden des überwachten Lernens (Entscheidungsbäume, Neuronale Netze, Support Vector Machines etc.) * Validierungstechniken * Ausblick zu aktuellen Methodenentwicklungen Wir bieten diesen Kurs in Kooperation mit unserem Partner Statoo Consulting an. Trainer ist der promovierte Statistiker Dr. Diego Kuonen, CStat, Gründer und CEO von Statoo Consulting. Der Kurs ist softwareunabhängig und branchenübergreifend konzipiert. Die Teilnehmer erhalten ein ausgedrucktes Handbuch in englischer Sprache mit allen Kursfolien. Voraussetzungen: Der Kurs setzt elementare Kenntnisse in Statistik und Erfahrung mit multipler Regression voraus. Ergänzende Kurse: Für Teilnehmer ohne ausreichende Vorkenntnisse bieten wir unsere Methodenkurse 'Einführung in die Statistik – Teil 1' und ' – Teil 2' (STA1, STA2) an, ...

abstract: Ziel dieses Methodenkurses ist es, den praxisnahen Einsatz von Konzepten und Methoden des Data Mining zu erlernen. Der Kurs ist softwareunabhängig und branchenübergreifend konzipiert und eignet sich auch für Anwender, die nicht mit STATISTICA arbeiten.

abstract: Knowledge Discovery is an interdisciplinary area focusing upon methodologies for identifying valid, novel, potentially useful and meaningful patterns from data, often based on underlying large data sets. A major aspect of Knowledge Discovery is data mining, i.e. applying data analysis and discovery algorithms that produce a particular enumeration of patterns (or models) over the data. Knowledge Discovery also includes the evaluation of patterns and identification of which add to knowledge. This has proven to be a promising approach for enhancing the intelligence of software systems and services. The ongoing rapid growth of online data due to the Internet and the widespread use of large databases have created an important need for knowledge discovery methodologies. The challenge of extracting knowledge from data draws upon research in a large number of disciplines including statistics, databases, pattern recognition, machine learning, data visualization, optimization, and high-performance computing, to deliver advanced business intelligence and web discovery solutions.

Information retrieval (IR) is concerned with gathering relevant information from unstructured and semantically fuzzy data in texts and other media, searching for information within documents and for metadata about documents, as well as searching relational databases and the Web. Automation of information retrieval enables the reduction of what has been called "information overload".

Information retrieval can be combined with knowledge discovery to create software tools that empower users of decision support systems to better understand and use the knowledge underlying large data sets.

The primary focus of KDIR is to provide a major forum for the scientific and technical advancement of knowledge discovery and information retrieval.