1. Einführung Data Science

Question 1

Grundprinzipien der Datenanalyse

Answer 1

CRISP-DM
Datenauswahl (Aus Datasets)
Overfitting
Evaluierung der Ergebnisse im Anwendungskontext

Question 2

CRISP-DM Prozess (6 Phasen)

Answer 2

1. Problem & Projektziel verstehen
2. Datensichtung & Datenverständnis aufbauen
3. Datenvorbereitung & Auswahl
4. Auswahl & Anwendung Data Mining Modell
5. Evaluation Ergebnis
6. Darstellung der Ergebnisse

Question 3

Fragen bei der richtigen Datenauswahl? (3)

Answer 3

> Welche Attribute nützlich
Wie viele Attribute einbeziehen
Welche Attribute korrelieren mit untersuchenden Beobachtung

Question 4

Phase 1: Business Understanding

Answer 4

> Problemverständnis
Übertragung Problem auf eine odere mehrere DS Probleme
Wie und Wo soll Modell resultieren

Question 5

Phase 2: Data Understanding

Answer 5

Daten = Rohmaterial für Bau der Lösung
> Datenqualität (FitnessForUse)
> Aufwand Datenbeschaffung
> Integration Datenquellen
> Nutzen der Datenquellen

Question 6

Phase 3: Data Preparation

Answer 6

Umformung der Daten
> Umwandlung in Tabellendarstellung
> Fehlende Werte schätzen/herausfiltern
> Datenkonvertierung
> Overfitting vermeiden

Question 7

Phase 4: Modeling

Answer 7

Resultat = Muster/Modell, das Regelmäßigkeiten in Daten abbildet
Anwendung von DM Techniken

Question 8

Phase 5: Evaluation

Answer 8

> Ergebnisbewertung
Modellerprobung unter Laborbedingungen & Produktionsbetrieb
Bewertung Anwendbarkeit in Praxis

Question 9

Phase 6. Deployment

Answer 9

> Erzeugtes Modell muss eingebaut werden
(Produktivsetzung)
Veränderung/Anpassung des GP/Info-System

Question 10

Herausforderungen von Big Data Analytics (5)?

Answer 10

> Viele Datenquellen
> Unstukturierte Daten
> Große Datenmengen
> Generierung neuer Hypothesen
> komplexe Systeme

Question 11

Generelle Aufgaben bei der Datenalyse?

Answer 11

> Beobachtung
Modellierung/Verstehen des Systems
Vorhersagen
Entscheidungen vorbereiten

Question 12

Basistechniken des Data Mining

Answer 12

> Similiarity Search
Ziel: gute Vorschläge und Prognosen bereitstellen (z.B.: K-NN)
=> Duplikate anhand von Fotos/Ähnliche Produkte wie bei Amazon

Classification
> Klasseneinteilung/Klassenzugehörigkeit prognostizieren
z.B.: Lineare Regression/Logistic Regression
> Anlage muss wissen wann etwas gut oder nicht mehr brauchbar ist
> folglich bestimmte Zustände klassifizieren

Clustering
> Menge von Daten mit Ähnlichkeiten gruppieren

Frequent Pattern
> Wie häufig treten bestimmte Dinge auf
> Patterns (Saisongeschäft nach bestimmten Muster wiederholend)
> Bsp.: Leute die IPhone kaufen kauften auch Hülle etc

Question 13

Unsupervised Learning

Answer 13

Learning without a teacher (Clustering)
Ziel: Erkennung von Mustern/Gemeinsamkeiten in den Daten

Gegeben: N Beobachtungen (x1,x2,…,xn)

Hier: keine Garantie bzgl. des Ergebnisses in Bezug auf die:

• Sinnhaftigkeit
• Nützlichkeit
• Überhaupt sinnvoll?

Besitzt kein Ergebnis- oder Zielgrößenwerte bzw. Zielvariable (keine Trainingsdaten)

Question 14

Supervised Learning

Answer 14

= Learning with teacher (Classification, Similarity Search)

Hier: Zielgröße/Variable gegeben

1. Trainingsset (inputvariablen x, Ergebnis y)
2. Vorhersagen basieren auf Trainingsdaten
   Ziel: Vorhersage der Zielgrößenwerte für neue Inputvariablen

=> Daten bei denen wir bereits die richtigen Antworten kennen (weil gelabelt) Darauf basierend soll bei künftigen EIngabewerten genau die entsprechenden Labels vorhergesagt werden)

Phasen:

1. Trainingsphase (Modell trainieren)
2. Evaluationsphase (Modell überprüfen)
3. Dann Vorhersage für unbekannte Werte also unbekannte Zielgröße für neue Inputvaruable