DataMining
(DM)
1. Was ist die grundsätzliche Idee beim maschinellen Lernen (ML)?
2. Wo liegen die entscheidenden Unterschiede zwischen maschinellem Lernen und dem
menschlichen Lernverhalten? Wo sind idente Muster zu finden?
3. Was war am TicTacToeSpiel
als Lernverhalten maßgebend?
4. Was hat Tesauro 1995 bei der Implementierung von Backgammon aus dem ML verwendet, um ein
intelligentes System zu erhalten?
5. Was sind die drei wichtigsten Phänomenbereiche beim ML?
6. Geben Sie eine der weitverbreiteten Definitionen des ML an!
7. Welche drei Methoden gibt es um aus einer Wissensbasis Regeln zu schliessen?
8. Erklären Sie die Deduktion!
9. Erklären Sie die Abduktion!
10. Erklären Sie die Induktion!
11. Was für Probleme können bei der Induktion auftreten?
12. Was für Probleme können bei der Abduktion auftreten?
13. Welche Methodik wird beim ML verwendet um Regeln zu generieren, und wieso?
14. Was ist die meistverbreiteste Art und Weise um neues Wissen zu extrahieren?
15. Welche Methoden sind beim Suchen anwendbar?
16. Wie funktioniert die TopDownMethode?
17. Wie funktionert die BottomUpMethode?
18. Wie wird die Wissensfindung in Datenbanken definiert?
19. Was sind Muster?
20. Ist die Wissensfindung trivial? Wieso?
21. Welche Schritte sind unabdingbar im Prozess der Wissensfindung?
22. Was sind die vier Hauptkategorien der Wissensfindung?
23. Nennen Sie vier mögliche Anwendungsgebiete für die Wissensfindung in Datenbanken!
24. Wo ist der Unterschied zwischen deduktivem und induktivem Wissen?
25. Was sind Assoziationsregeln?
26. Erklären Sie Klassifizierungshierarchien!
27. Beschreiben Sie sequentielle Muster!
28. Was ist das Clustering beim DM?
29. Was sind verschiedene Phasen der Wissensgewinnung aus Datenbanken?
30. Welche Ziele oder Aufgaben soll DM vereinfachen?
31. Wodurch unterscheiden sich Clustering und Klassifizierung?
32. Welche DMAlgorithmen
kennen Sie?
33. Was ist der „InstanceSpace“?
Wie berechnet man diesen?
34. Was ist der „ConceptSpace“?
Wie berechnet man diesen?
35. Was ist der Unterschied zwischen Bias und Variance? Erklären Sie die Anwendung!
36. Worauf basiert der NearestNeighborhood
Algorithmus?
37. Wie klassifiziert der NNAlgorithmus
neue Daten? Was bedeuten die Zahlen im Beispiel?
38. Was sind Trainings Samples?
39. Was sind Test Sample?
40. Wie hängen „Prediction Errors“ mit der Modellkomplexität zusammen? (Graphik)
Datawarehousing (DWH)
1. Wo liegt die Motivation hinter „Data Warehouses“? Was geschieht dort?
2. Was sind die entscheidenden Wettbewerbsbedingungen?
3. Definieren Sie den Begriff DWH! Erklären Sie dabei die vier Eckpunkte der Definition!
4. Was ist das OLTP?
5. Was ist das OLAP?
6. Welche unterschiedlichen Ziele haben die beiden Systeme? Nennen Sie zumindest 4!
7. Wo sind die Abgrenzungen zu ziehen zwischen operationalen Systemen und
Informationssystemen? Führen Sie zumindest 6 wichtige Punkte an!
8. Was spricht für ein seperates DWH?
9. Was muss bei einem DWH in Bezug auf die Performance bedacht werden?
10. Welcher Gliederung kann das DWH unterworfen werden?
11. Was muss beim „Laden“ des DWH beachtet werden?
12. Welche Schwierigkeiten treten beim Einlesen von Daten aus verschiedenen Quellen auf?
13. Was kann zur Verbesserung des Ladevorganges beigetragen werden?
14. Was ist bei der Datenhaltung in einem DWH zu beachten?
15. Worauf muss bei der Präsentation der Ergebnisse geachtet werden? Wer „liest“ die Antworten?
16. Wieso wird eine Schichtarchitektur bevorzugt?
17. Was sind die möglichen Einsatzgebiete eines DWH?
18. Wo sind die Unterschiede der einzelnen DWHTypen?
19. Wie kommt das Data Mining in einem DWH zum Einsatz?
20. Was ist der Unterschied zwischen DM und der Knowledge Discovery in Databases (KDD)?
21. Was sind die Phasen des KDD? Zeigen Sie diese graphisch an!
22. Führen Sie die Schritte des ExtractTransformLoad
(ETL) Prozesses an!
23. Wie definiert man die Qualität der Daten aus beliebigen Datenquellen?
24. Ist eine Automatisierung eines Datenqulitätschecks überhaupt möglich? Erklären Sie!
25. Erklären Sie die Ziele der Schemaintegration!
26. Zählen Sie die Hauptaufgaben der Schemaintegration auf!
27. Erklären Sie zumindest zwei dieser Hauptaufgaben detailiert!
28. Was muss bei der Datentransformation funktional zur Verfügung stehen?
29. Welche Ziele sind beim Data Cleansing anzuführen?
30. Welche Ursachen bestehen für etwaige Dateninkonsistenzen?
31. Wie erfolgt die Erkennung und die Bereinigung von Dateninkonsistenzen?
32. Erklären Sie das Loading im ETLProzess!
33. Welche Datenstrukturen werden in OLAPSystemen
angewendet?
34. Was sind einfache OLAPOperationen?
35. Nennen Sie zumindest vier Guidelines für ein OLAPSystem!
36. Erklären Sie die Funktionen RollUp/
DrillDown
anhand eines Beispiels!
37. Erklären Sie die Funktionen Slice/Dice anhand eines Beispiels!
38. Erklären Sie die Funktion Pivot anhand eines Beispiels!
39. Erklären Sie detailiert den Unterschied zu ROLAP und MOLAP!
40. Was für Schemata kommen bei einem ROLAPSystem
zur Anwendung? Erklären Sie detailiert!