VSFS:B_ZZD Získávání znalostí databází - Informace o předmětu
B_ZZD Získávání znalostí databází
Vysoká škola finanční a správníléto 2012
- Rozsah
- 2/0. 8 hodin KS/semestr. 4 kr. Ukončení: zk.
- Vyučující
- prof. Ing. Petr Berka, CSc. (cvičící)
- Garance
- prof. Ing. Petr Berka, CSc.
Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Kontaktní osoba: Ivana Plačková - Rozvrh seminárních/paralelních skupin
- B_ZZD/pAPH: Po 8:45–9:29 DELL ROOM E302PC, Po 9:30–10:15 DELL ROOM E302PC, P. Berka
B_ZZD/vAPH: So 3. 3. 9:45–11:15 E303PC, 11:30–13:00 E303PC, So 31. 3. 14:00–15:30 E303PC, 15:45–17:15 E303PC, P. Berka - Předpoklady
- Expertní systémy
- Omezení zápisu do předmětu
- Předmět je otevřen studentům libovolného oboru.
- Cíle předmětu
- 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.
- Osnova
- 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.
- Literatura
- 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
- Metody hodnocení
- 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
- Další komentáře
- Předmět je dovoleno ukončit i mimo zkouškové období.
- Statistika zápisu (léto 2012, nejnovější)
- Permalink: https://is.vsfs.cz/predmet/vsfs/leto2012/B_ZZD