Data Driven Knowledge Engneering (ddke)

Dieser Text: Skizze und Materialsammlung für ein Modul "Data Driven Knowledge Engineering (ddke)" in unserem Bachelor-Studiengang Wirtschaftsinformatik an der HA Landshut.

Inhalte: ungefähr die Schnittmenge aus

• knowledge engineering
• data analysis

Corollar zur dieser Definition als Schnittmenge: DDKE ist eine Teilmenge von (und damit eine Spezialveranstaltung eines umfassenderen Studiengangs) Data Science.

Ziel von DDKE: Aufbau und Evaluierung von Modellen

• vorwiegend datengetrieben
• aber auch unter Bezug auf
  • existierende Datenmodelle
  • Weltwissen, Theoriewissen anderer Experten; busines understanding
  • die Verwendung der neuen Modelle
• (heute selbstverständlich) im Kontext von Big Data

Bezüge zu anderen klassischen Veranstaltungen

• Data Mining
  • geht bezüglich Algorithmen sehr viel tiefer ins Detail
  • hat also Quelle explizit nur Daten; Weltwissen spielt fast nur implizit eine Rolle
  • weniger Variabilität in den Typen von Datenmodellen als Ergebnis
  • eng verwandt: Knowledge Discovery in Databases (KDD)
• Statistik
  • strebt mehr mathematisch geschlossene Darstellungen, hat weniger Interesse an Algorithmen
  • eher hypothesengetrieben: Welche Verteilung liegt mit welcher Wahrscheinlichkeit vor?
• Wissensmanagement
  • ist mehr sozial, weniger datengetrieben
  • enthält deutlich mehr weiche Themen
  • Gestaltung von Orga, Kommunikationspolitik
• Big Data Algorithms
  • Schwerpunkt liegt eher auf Algorithmen, z.B. MapReduce u.A.

Inhalte

• Grundlagen des Data Mining
• Typen von Datenmodellen
• CommonKADS
• etc.
• etc.