B_DZD Dobývání znalostí z databází

Vysoká škola finanční a správní
zima 2025
Rozsah
2/0/0. 12 hodin KS/semestr. 3 kr. Ukončení: z.
Vyučující
Ing. Renata Janošcová, Ph.D. (cvičící)
Garance
Ing. Renata Janošcová, Ph.D.
Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Kontaktní osoba: Ivana Plačková
Rozvrh seminárních/paralelních skupin
B_DZD/pAPH: každý lichý čtvrtek 12:15–12:59 E230, každý lichý čtvrtek 13:00–13:45 E230, každý lichý čtvrtek 14:00–14:44 E230, každý lichý čtvrtek 14:45–15:30 E230, kromě Čt 4. 12. ; a Čt 4. 12. 12:15–13:45 E004, 14:00–15:30 E004, R. Janošcová
B_DZD/vAPH: Pá 26. 9. 14:00–15:30 E303PC, 15:45–17:15 E303PC, Pá 31. 10. 14:00–15:30 E303PC, 15:45–17:15 E303PC, Pá 28. 11. 14:00–15:30 E303PC, 15:45–17:15 E303PC, R. Janošcová
Předpoklady
Tento předmět nemá žádné předpoklady.
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Cílem předmětu je seznámit studenty s metodami automatizovaného získávání znalostí z databází. Výklad bude zaměřen na jednotlivé algoritmy z oblasti strojového učení. Studenti se seznámí s jedním z používaných systémů KDD (Knowledge Discovery in Databases), zpravidla Weka.
Výstupy z učení
Na konci tohoto kurzu bude student schopen:
- porozumět roli dobývání znalostí z databází pro analýzu dat,
- porozumět jednotlivým úlohám dobývání znalostí,
- porozumět základním principům jednotlivých algoritmů pro data mining,
- porozumět základním metodám pro hodnocení nalezených znalostí,
- porozumět problémům předzpracování dat.
Osnova
  • 1. Data, informace, znalosti, databáze.
  • 2. Proces dobývání znalostí.
  • 3. Strojové učení; WEKA...
  • 4. Symbolické metody klasifikace a predikce.
  • 5. Subsymbolické metody klasifikace a predikce.
  • 6. Analýza závislostí.
  • 7. Segmentace.
  • 8. Vyhodnocení nalezených znalostí.
  • 9. Nové trendy; Zadání zápočtové práce.
  • 10. Řešení zápočtové práce.
  • 11. Prezentování zápočtové práce.
  • 12. Prezentování zápočtové práce.
Literatura
    povinná literatura
  • BORKOVCOVÁ, Monika, Jan MERTA et all. Enviromentální analýza dat. Žilina: EDIS, 2025. ISBN: 978-80-554-2186-5. Dostupná po registraci z: https://edis.uniza.sk/produkt/7421/Environmentalni-analyza-dat/.
  • BERKA, P. a J. GÓRECKI. [pdf] Dolování dat. Skripta SU OPF, Karviná, 2017. Dostupná z: https://is.slu.cz/el/opf/zima2021/INMNPDOD/um/Dolovani_dat.pdf
  • Ian H. Witten, Eibe Frank, Mark A. Hall, and Christopher J.Pal.2017.Data Mining:Practical Machine Learning Tools and Techniques. Vol.Fourth edition. Cambridge,MA, US: Morgan Kaufmann. ISBN 9780128042915.EBSCO (e-kniha přes IS VŠFS)
    doporučená literatura
  • BERKA,P. Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9
  • POTANČOK, Martin, Jan POUR a Veronika CHRAMOSTOVÁ. Business analytika v praxi. Praha: Oeconomica, nakladatelství VŠE, 2020. ISBN 978-80-245-2382-8.
  • WITTEN, Ian H., Frank, EIBE et all. Data Mining : Practical Machine Learning Tools and Techniques. Edition 5. Cambridge,MA, US: Morgan Kaufmann, 2025. ISBN 9780443158889.
  • JAMSA, K. Introduction to Data Mining and Analytics. Burlington : Jones & Bartlett Learning, 2021. ISBN: 9781284180909. EBSCO (e-kniha, dostupná přes IS VŠFS)
  • NAQVI, Al. Artificial Intelligence for Audit, Forensic Accounting, and Valuation : A Strategic Perspective, John Wiley & Sons, Incorporated, 2020. ProQuest Ebook Central.ISBN:9781119601883.ProQuest Ebook (e-kniha přes IS VŠFS)
Výukové metody
Výuka probíhá formou přednášek v prezenční formě studia; soustředění v kombinované formě studia;
Minimální povinná účast ve výuce sice není stanovena, ale úspěšné absolvování předmětu si jí, v dostatečné míře, vyžaduje.
Metody hodnocení
Předmět je zakončen zápočtem formou týmové zápočtové práce.
ZÁPOČET se v obou formách (PS i KS) uděluje za týmovou práci (3-6 studentů), která obnáší tvorbu odborné rešerše dle zadání vyučujícího, s podporou AI. Zadání najdete v studijních materiálech a v MS Teams. Vyžaduje se odevzdání zápočtové práce v odevzdávárně s podobností menší nebo rovno 20 %.

ISP studenti - stejné podmínky, jako prezenční studenti.
ISP i OPAKUJÍCÍ studenti - se co nejdřív dohodnou s vyučujícím na způsobu hodnocení.
Informace učitele
https://is.vsfs.cz/go/b3r857
Webová stránka předmětu (výš) představuje LINK na tým (předmět) v MS Teams (pak vyberte kanál Vašeho vyučujícího, nebo formu studia - KS nebo PS).
Je nutno nainstalovat si MS Teams formou aplikace na Vašem noteboku.
KONTAKTY na vyučující: garant Ing. Renata Janošcová, Ph.D 37037@mail.vsfs.cz.
KONZULTACE: informace najdete na osobních stránkách vyučující v IS VŠFS (Výuka). https://is.vsfs.cz/auth/osoba/37037#vyuka
ISP a OPAKUJÍCÍ studenti: Hned na začátku semestru (první - druhý týden) kontaktujte Vašeho vyučujícího a dohodněte se na konkrétních podmínkách docházky a hodnocení.
DOPORUČUJI podat žádost o zařazení do rozvrhové (seminární) skupiny ke konkrétnímu vyučujícímu dle pokynů ze studijního oddělení. 3 kredity: 75 - 90 hodin studijní zátěže.
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2020, zima 2021, zima 2022, zima 2023, zima 2024.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.vsfs.cz/predmet/vsfs/zima2025/B_DZD