VSFS:B_ZZD Information Retrieval from Dat - Course Information
B_ZZD Information Retrieval from Database
University of Finance and AdministrationSummer 2009
- Extent and Intensity
- 2/0. 4 credit(s). Type of Completion: zk (examination).
- Teacher(s)
- prof. Ing. Petr Berka, CSc. (seminar tutor)
RNDr. Václav Vohánka (seminar tutor) - Guaranteed by
- prof. Ing. Petr Berka, CSc.
Department of Computer Science and Mathematics – Departments – University of Finance and Administration
Contact Person: Lenka Bažantová - 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 7. 2. 9:45–11:15 DELL ROOM E302PC, 11:30–13:00 DELL ROOM E302PC, Sat 21. 2. 8:00–9:30 DELL ROOM E302PC, 9:45–11:15 DELL ROOM E302PC, P. Berka - Prerequisites (in Czech)
- Základní znalosti práce na počítači, znalosti matematiky a logiky na úrovni úvodních kurzů.
- Course Enrolment Limitations
- The course is also offered to the students of the fields other than those the course is directly associated with.
- fields of study / plans the course is directly associated with
- Applied Informatics (programme VSFS, B-INF) (2)
- Course objectives (in Czech)
- Anotace je stejná pro obě formy studia. Cíl kurzu: 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
- Berka,P.Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9.
- Assessment methods (in Czech)
- Vyučující metody: Metody hodnocení Předmět je ukončen zkouškou. Pro úspěšné absolvování je třeba: napsat test z teorie odevzdat výsledky analýzy zadaných dat systémem Weka
- Language of instruction
- Czech
- Further comments (probably available only in Czech)
- Information on the extent and intensity of the course: 8 hodin za semestr.
- Enrolment Statistics (Summer 2009, recent)
- Permalink: https://is.vsfs.cz/course/vsfs/summer2009/B_ZZD