x
DMC Pressemeldungen - Detail

Pressemeldungen - Detail

11.11.09 15:43 Alter: 303 days

Call for Paper DMC 2010 gestartet

Von: Sandra Koegel

Ab sofort können wissenschaftlich orientierte Institutionen Themenvorschläge für den DATA-MINING-CUP 2010 einreichen. Einreichungsfrist endet am 01.02.2010.

Dass Theorie und Praxis auch im Bereich der intelligenten Datenanalyse nah beieinander liegen, zeigt der alljährlich von der prudsys AG organisierte DATA-MINING-CUP.  Er ermöglicht den direkten Erfahrungsaustausch zwischen internationalen Studenten und praktizierenden Data Minern.

Als weltweit größter IT Studentwettbewerb für intelligente Datenanalyse ruft der DATA-MINING-CUP auch im Frühjahr 2010 wieder Studenten aus dem In- und Ausland auf, ihr theoretisch erworbenes Wissen anhand einer praxisnahen Analyseaufgabe zu testen. Wer zu den besten Nachwuchs Data Minern zählt, wird anschließend im Rahmen der prudsys Anwendertage 2010 (08./09. Juni 2010, Leipzig) bekanntgeben. Während dieser zweitägigen Fachveranstaltung werden nicht nur innovative Einsatzszenarien der intelligenten Datenanalyse anhand von zahlreichen Praxisbeispielen erläutert, sondern auch neue Verfahren und zukunftsweisende technologische Entwicklungen vorgestellt.

Call for Paper gestartet

Insbesondere wissenschaftlich orientierte Institutionen erhalten bis 01.02.2010 die Möglichkeit, für das Vortragsprogramm iThemen rund um Data Mining und Realtime Analytics beizusteuern sowie ihre Ideen und Forschungsergebnisse in 30-minütigen Redeslots vorzustellen. 

Im Rahmen des Call for Papers können Vorschläge zu folgenden Themen eingereicht werden:

1. Basics:

  • Matrices und Tensors
  • Wavelets und Sparse Grids
  • Subspace Methods
  • Statistical Learning
  • Distributed Data Mining

2. Learning:

  • Classification & Prediction
  • Inductive Learning, Decision Trees and Rules
  • Neural Networks
  • Kernel methods
  • Learning and Adaptive Control 

3. Real-Time:

  • Strategy of Experimentation
  • Reinforcement Learning
  • Collaborative Filtering
  • Mining of Streams
  • Incremental Learning


x
x x x