B_ZZD Information Retrieval from Database

University of Finance and Administration
summer 2012
Extent and Intensity
2/0. 4 credit(s). Type of Completion: zk (examination).
Teacher(s)
prof. Ing. Petr Berka, CSc. (seminar tutor)
Guaranteed by
prof. Ing. Petr Berka, CSc.
Department of Computer Science and Mathematics – Departments – University of Finance and Administration
Contact Person: Ivana Plačková
Timetable of Seminar Groups
B_ZZD/pAPH: Mon 8:45–9:29 DELL ROOM E302PC, Mon 9:30–10:15 DELL ROOM E302PC, P. Berka
B_ZZD/vAPH: Sat 3. 3. 9:45–11:15 E303PC, 11:30–13:00 E303PC, Sat 31. 3. 14:00–15:30 E303PC, 15:45–17:15 E303PC, P. Berka
Prerequisites (in Czech)
Expertní systémy
Course Enrolment Limitations
The course is offered to students of any study field.
Course objectives (in Czech)
Cílem předmětu je seznámit studenty s metodami automatizovaného získávání znalostí z databází. V předmětu bude podán přehled problematiky (která je klíčovým faktorem rozvoje informačních technologií), používaných metod a systémů vyvíjených ve světě a u nás. V praktické části budou studenti pracovat s některými vybranými systémy.
Syllabus (in Czech)
  • Tato osnova je určena pro prezenční studium, průběh výuky pro kombinované studium je uveden ve studijních materiálech formou metodického listu (ML).
  • Obsah přednášek:
  • 1. Proces dobývání znalostí z databází: typy úloh, dílčí kroky, metodiky.
  • 2. Východiska dobývání znalostí: databázové techniky, statistické metody analýzy dat
  • 3. Strojové učení
  • 4. Metody dobývání znalostí:
  • 4.1 Symbolické metody strojového učení: rozhodovací stromy, rozhodovací pravidla, asociační pravidla, případové usuzování.
  • 4.2 Subsymbolické metody strojového učení: neuronové sítě, bayesovská klasifikace, genetické algoritmy.
  • 5. Interpretace nalezených znalostí: testování a kombinování modelů,vizualizace.
  • 6. Předzpracování dat: selekce, transformace, diskretizace.
Literature
  • Povinná literatura
  • Berka,P.Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9.
  • Kelemen, J. a kol.: Pozvanie do znalostnej spoločnosti. Iura Edition, Bratislava, 2007
  • Doporučená literatura
  • Witten I., Frank E.: Data Mining, Practical Machine Learning tools and Techniques with Java. Second edition. Morgan Kaufmann, San Francisco 2005
  • Han J., Kerber M.: Data Mining, Concepts and Techniques. Morgan Kaufmann, San Francisco 2001
  • Další zdroje
  • sorry.vse.cz/~berka/B_ZZD
  • www.kdnuggets.com
Assessment methods (in Czech)
Typ výuky: Výuka probíhá formou přednášek Rozsah povinné účasti ve výuce: Minimální povinná účast na cvičení v prezenčním studiu je 75%, na řízených skupinových konzultacích v kombinovaném studiu 50%. Studentům, kteří nesplní povinný rozsah účasti, mohou být v průběhu semestru zadány dodatečné studijní povinnosti (v míře, která umožní prokázat studijní výsledky a získané kompetence nezbytné pro úspěšné zakončení předmětu). Způsob zakončení předmětu: Předmět je ukončen zkouškou. Pro úspěšné absolvování je třeba napsat test z teorie a (v prezenčním studiu) odevzdat výsledky analýzy zadaných dat systémem Weka
Language of instruction
Czech
Further comments (probably available only in Czech)
The course can also be completed outside the examination period.
Information on the extent and intensity of the course: 8 hodin KS/semestr.
The course is also listed under the following terms Winter 2007, Summer 2009, Summer 2010, Summer 2011, Winter 2011, Summer 2013, Summer 2014, Summer 2015, Summer 2016, Summer 2017, Summer 2018, Summer 2019, Summer 2020, Summer 2021.
  • Enrolment Statistics (summer 2012, recent)
  • Permalink: https://is.vsfs.cz/course/vsfs/summer2012/B_ZZD