VSFS:N_DZD Dobývání znalostí z databází - Informace o předmětu
N_DZD Dobývání znalostí z databází
Vysoká škola finanční a správníléto 2020
- Rozsah
- 2/0/0. 14 hodin KS/semestr. 5 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
- N_DZD/vAPH: So 29. 2. 14:00–15:30 S14, 15:45–17:15 S14, Pá 27. 3. 15:45–17:15 S14, So 18. 4. 14:00–15:30 S14, 15:45–17:15 S14, Pá 24. 4. 17:30–19:00 S14, 19:15–20:45 S14, P. Berka
- 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 zejména na jednotlivé algoritmy z oblasti strojového učení. V praktické části se studenti seznámí s jedním z používaných systémů pro data mining.
- Výstupy z učení
- Na konci tohoto kurzu bude student schopen: • porozumět roli dobývání znalostí z databází pro analýzu dat, • porozumět základním principům jednotlivých algoritmů pro data mining, • porozumět základním metodám pro hodnocení nalezených znalostí, • porozumět základním datovým transformacím prováděným při předzpracování dat, • formulovat úlohy data miningu a text miningu pro reálná data
- Osnova
- 1. Proces dobývání znalostí z databází: typy úloh, dílčí kroky, metodiky. 2. Východiska dobývání znalostí: databázové techniky, statistické metody analýzy dat 3. Strojové učení: základní úlohy 4. rozhodovací stromy, 5. asociační pravidla, 6. rozhodovací pravidla, 7. neuronové sítě, SVM 8. bayesovská klasifikace, případové usuzování 9. Interpretace nalezených znalostí 10. Předzpracování dat 11. Data mining s využitím systému Rapid Miner 12. Text mining
- Literatura
- povinná literatura
- BERKA, Petr. Dobývání znalostí z databází. Praha: Academia, 2003, 370 s. ISBN 80-200-1062-9. info
- doporučená literatura
- HAN, J. - KAMBER, M. Data mining: concepts and techniques. Morgan Kaufmann, 2011
- Witten I., Frank E.: Data Mining, Practical Machine Learning Tools and Techniques with Java. Fourth edition. Morgan Kaufmann, San Francisco 2016
- Výukové metody
- - přednášky, cvičení/semináře v prezenční formě studia, - řízené skupinové konzultace v kombinované formě studia, - případová studie analýzy dat systémem pro dobývání znalostí
- Metody hodnocení
- - závěrečný písemný test tvořený nestukturovanými otázkami (minimum 60% bodů) - případová studie analýzy dat systémem pro dobývání znalostí
- Další komentáře
- Předmět je dovoleno ukončit i mimo zkouškové období.
- Statistika zápisu (léto 2020, nejnovější)
- Permalink: https://is.vsfs.cz/predmet/vsfs/leto2020/N_DZD