Nicht-Standard Datenbanken und Data Mining:(28 Vorlesungen, Universität zu Lübeck 2014-2023)

Link:
Autor/in:
Erscheinungsjahr:
2023
Medientyp:
Text
Beschreibung:
  • Einführung

    Semistrukturierte Datenbanken (XML) und Volltextsuche

    Information Retrieval

    Elemente der Linearen Algebra für Multivariate Statistische Verfahren, Mehrdimensionale Indexstrukturen

    Cluster-Bildung, Elemente der Linearen Algebra für Multivariate Statistische Verfahren, Anwendung der Spektralen Clusterbildung

    First-n-, Top-k-, und Skyline-Anfragen

    Probabilistische Datenbanken, Anfragebeantwortung, Anfragetransformation, Safe-Plan-Anfrage, Top-k-Anfragen (Monte-Carlo-Simulation, Luby-Karp-Verfahren, Multisimulation), Open-World-Annahme

    Probabilistische Modellierung, Bayes-Netze, Anfragebeantwortungsalgorithmen, Lernverfahren für Modelle

    Dynamische Bayes-Netze

    Temporale Datenbanken und das relationale Modell

    Probabilistische Temporale Datenbanken

    SQL: neue Entwicklungen (z.B. JSON-Strukturen und Arrays), Zeitreihen (z.B. TimescaleDB)

    Stromdatenbanken, Prinzipien der Fenster-orientierten inkrementellen Verarbeitung

    Approximationstechniken für Stromdatenverarbeitung, Stream-Mining

    Probabilistische raum-zeitliche Datenbanken und Stromdatenverarbeitungsssysteme: Anfragen und Indexstrukturen, Raum-zeitliches Data Mining, probabilistische Skylines

    Von NoSQL- zu NewSQL-Datenbanken, Graphdaten in SQL, CAP, CALM, CRON

    Graphdatenbanken, Anfragesprachen, Anfragebeantwortung, Graph Mining

    Approximative Anfragebeantwortung in Graphdatenbanken

    Gelernte Indexstrukturen

    Vektor-Datenbanken
Lizenz:
  • info:eu-repo/semantics/openAccess
Quellsystem:
Forschungsinformationssystem der UHH
Interne Metadaten
Quelldatensatz
oai:www.edit.fis.uni-hamburg.de:publications/b3ae8939-b82b-43b9-8bcd-492eedecdc19