Themenübersicht Klausuren SS12-SS18 Einsendearbeiten WS1516-WS1819 PDF

Preview

Summary

Ergänzung der bereits hochgeladenen Übersicht über die Klausurthemen um die Themen der Einsendearbeiten vom WS 15/16 bis WS18/19. Ihr so schauen, welche EA vorher als Klausur gestellt wurde und habt die entsprechende Lösung der Klausuraufgabe. :) Viel Erfolg....

Description

Semester WS 18/19

Leistungsnachweis EA

KE

Aufgabe 2

Aufgabe 3

KE 2

Clustering: Vor- und Nachteile, Durchführung hierarchischesagglomeratives Clustering mit single-linkage, euklidische Distanz

KDD Schritte, Prinzip und Vor- und Nachteile Regressionsanalyse

WS 18/19

EA

KE 3

ETL-Prozess, technische Herausforderungen bei Einbindung externer OLAP-Operationen, Sternschema Datenquellen, Probleme im Transformationsschritt, Möglichkeiten und Schwierigkeiten Einbindung Daten aus sozialen Netzwerken, BILösung statt Excel

SS 18

Klausur

SS 18

EA

KE 2

vier Grundaufgaben Data Mining, Entscheidungsbaum

SS 18

EA

KE 3

Datenqualität: Kriterien nach Wang und Strong, Vergleich Datenmanagementprozess nach Apel mit PDCA nach Deming

WS 17/18

Klausur

WS 17/18

EA

KE 2

Clustering: Durchführung Clustering mit single-linkage, Dendrogramm

Fehler, ER-Diagramm zeichnen, Entscheidungsbaum zeichen

WS 17/18

EA

KE 3

Komponenten eines DWH und deren Funktionen, Gegenüberstellung von operativen und dispositives Daten, Einsatz von Data Marts

OLAP-Operationen, OLAP-Würfel zeichnen

SS 17

Klausur

Clustering, single-linkage, Dendrogramm

DWH, Komponenten, Abgrenzung zu operativen Datenhaltungssystemen, Pro und Contra "Data Marts ineffizient ggü. zentralem DWH"

SS 17

EA

KE 2

Projektionsmethoden, Standardisierung, Normalisierung, Zeichnen und Interpretation eines Entscheidungsbaums

Clustering: Kriterien, Formeln für Distanzmetriken, Durchführung Clustering mit single-linkage-Verfahren, Dendrogramm

SS 17

EA

KE 3

Metadaten: Begriff, Prozesse Metadatenmanagement (s. SS18, KE 3, OLAP: Darstellungsweisen, Grundoperationen Aufgabe 3)

WS 16/17

Klausur

WS 16/17

EA

KE 2

WS 16/17

EA

KE 3

SS 16

Klausur

SS 16

EA

SS 16

EA

WS 15/16

Klausur

WS 15/16

EA

WS 15/16

EA

Vorbereitende Schritte KDD, Prinzip der linearen Regression, Skizze lineare Einfachregression, Vor- und Nachteile Regressionsanalyse

Zielsetzungen Data Mining, Entscheidungsbaum

Projektionsmethoden, Standardisierung, Normalisierung, Entscheidungsbaum, Top-Down-Verfahren Apriori: Erklärung Itemset und Supportmenge, Durchführung Algorithmus, Cross Selling zur Erkennung Substitute

ETL-Prozess, technische Herausforderungen bei Einbindung externer Datenquellen, Probleme im Transformationsschritt, Möglichkeiten und Schwierigkeiten Einbindung Daten aus sozialen Netzwerken, BILösung statt Excel Apriori, formale Berechnungsvorschrift Support und Konfidenz, Durchführung Algorithmus Metadaten: Begriff, Prozesse des Metadatenmanagements

Begriff Metadaten,Prozesse Metadatenmanagement

OLAP, Darstellungsweisen, Operationen Clustering: Prinzip und Ziel, Distanzmaß, Abgrenzung Clusteranalyse und Klassifizierung, Verwendung Ähnlichkeitsmatrix

Metadaten: Begriff, Prozesse Metadatenmanagement (s. SS18, KE 3, TQM: Erläuterung 3. Phase, Einordnung TQM in Systematik nach Zwirner, fehlerfreie Daten Aufgabe 3) Apriori, Cross Selling

DWH, Komponenten, Abgrenzung zu operativen Datenhaltungssystemen, Pro und Contra "Data Marts ineffizient ggü. zentralem DWH"

KE 2

Fehler, ER-Diagramm zeichnen, Entscheidungsbaum zeichen (s. WS 17/18, KE 2, Aufgabe 3)

Clustering: Kriterien, Formeln für Distanzmetriken, Durchführung Clustering mit single-linkage-Verfahren, Dendrogramm (s. S17, KE 2, Aufgabe 3)

KE 3

TQM 2. Phase, Datenqualität synonym für Informationsqualität

Eigenschaften DWH, Erläuterung BMM, Zusammenhang Budiness Rule und DWH, Schwachpunkte Business Rules

Clustering, single-linkage, Dendrogramm

Eigenschaften DWH, Teilbereiche Business Motivation Model, Zusammenhang Business Rule und DWH

KE 1

Phasenmodell nach Simon, Vergleich OODA nach Boyd und PDCA nach Deming

Picot skizzieren und erläutern

KE 3

Datenqualität: Kriterien nach Wang und Strong, Vergleich Datenmanagementprozess nach Apel mit PDCA nach Deming ( s. SS18, KE 3, Aufgabe 2)

OLAP-Operationen, OLAP-Würfel zeichnen (s. WS 17/18, KE 3, Aufgabe 3)

SS15

Klausur

semantische, syntaktische und Coverage-Fehler, Entscheidungsbaum, Top-Down-Verfahren

Modellierung von Entscheidungsprozessen, Skizze Modell nach Simon, Vergleich von Boyd/OODA und Deming/PDCA

WS1415

Klausur

Apriori, Cross Selling

TQM Phase 3, Einordnung TQM in Systematik nach Zwirner, fehlerfreie Daten

SS14

Klausur

Clusteranalyse, Distanzfunktion, Abgrenzung zur Klassifizierung, Ähnlichkeitsmatrix,

TQM Phase 2, Abgrenzung von Datenqualität und Informationsqualität nach English

WS1314

Klausur

DWH, OLAP, KDD als Teil des Managementprozesses, Vereinbarkeit mit Simon und mit Hummeltenberg, KDD nach Wilde Teil der Wirkungsanalyse im Marketing

Vorgehen beim Entscheidungsbaumverfahren, Datenqualitätsprobleme, minimalen Entscheidungsbaum zeichnen

SS13

Klausur

Picot zeichnen und erläutern, Stellungnahme zu diversen Thesen, Differenzierung zwischen Daten, Informationen und Wissen

ER-Diagramm, Clustering mit euklidischer Distanzmetrik und single-linkage-Verfahren

WS1213

Klausur

Apriori, Business Rule

OLAP, MOLAP, ROLAP, FASMI, OLAP-Würfel skizzieren, OLAPOperationen

SS12

Klausur

Zielsetzungen Data Mining, Entscheidungsbaum

Vor- und Nachteile Clustering, Clustering mit euklidischer Distanzmetrik und single-linkage-Verfahren, Auswirkung andere Skalierung...