B_ZZD Získávání znalostí z databází

Vysoká škola finanční a správní
zima 2007
Rozsah
2/0. 10 hodin za semestr. 4 kr. Ukončení: zk.
Vyučující
prof. Ing. Petr Berka, CSc. (cvičící)
RNDr. Václav Vohánka (cvičící)
Garance
prof. Ing. Petr Berka, CSc.
Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Kontaktní osoba: Lenka Bažantová
Rozvrh seminárních/paralelních skupin
B_ZZD/pAPH: Út 12:15–12:59 DELL ROOM E302PC, Út 13:00–13:45 DELL ROOM E302PC, P. Berka
B_ZZD/uAPH: Út 9. 10. 15:45–17:15 DELL ROOM E302PC, Út 16. 10. 15:45–17:15 DELL ROOM E302PC, 17:30–19:00 DELL ROOM E302PC, Út 6. 11. 17:30–19:00 DELL ROOM E302PC, 19:15–20:45 DELL ROOM E302PC, P. Berka
B_ZZD/vAMO: So 27. 10. 11:30–13:00 M11PC, So 10. 11. 9:45–11:15 M11PC, 11:30–13:00 M11PC, So 1. 12. 9:45–11:15 M11PC, 11:30–13:00 M11PC, V. Vohánka
B_ZZD/vAPH: So 24. 11. 9:45–11:15 E303PC, 11:30–13:00 E303PC, So 8. 12. 9:45–11:15 E303PC, 11:30–13:00 E303PC, Pá 4. 1. 13:45–15:15 E303PC, P. Berka
Předpoklady
Základní znalosti práce na počítači, znalosti matematiky a logiky na úrovni úvodních kurzů.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
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.
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. Získávání znalostí z databází: manažerský pohled, zdroje a součásti. 2. Proces KDD: 2.1 Předzpracování: selekce, transformace, diskretizace... 2.2 Dolování z dat: typy úloh, obecné principy 2.3 Statistické metody: regrese, shluková analýza, diskriminační analýza. 2.4 Symbolické metody strojového učení: rozhodovací stromy, rozhodovací pravidla, asociační pravidla, případové usuzování. 2.5 Subsymbolické metody strojového učení: neuronové sítě, bayesovská klasifikace, genetické algoritmy. 2.6 Interpretace nalezených znalostí: testování,vizualizace. 3. Systémy KDD: Clementine, WEKA. 4. Aplikace KDD.
Metody hodnocení
Vyučující metody: Metody hodnocení Předmět je ukončen zkouškou. Pro úspěšné absolvování je třeba: napsat test z teorie odevzdat výsledky analýzy zadaných dat systémem Weka
Informace učitele
Literatura: Berka,P. Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9.
Předmět je zařazen také v obdobích léto 2009, léto 2010, léto 2011, zima 2011, léto 2012, léto 2013, léto 2014, léto 2015, léto 2016, léto 2017, léto 2018, léto 2019, léto 2020, léto 2021.