BA_KDD Knowledge Discovery in Databases

Vysoká škola finanční a správní
zima 2021
Rozsah
0/2/0. 12 hodin KS/semestr. 3 kr. Doporučované ukončení: z. Jiná možná 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
Dodavatelské pracoviště: Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Rozvrh seminárních/paralelních skupin
BA_KDD/cCUPH: každé sudé pondělí 15:45–16:29 E305, každé sudé pondělí 16:30–17:15 E305, každé sudé pondělí 17:30–18:14 E305, každé sudé pondělí 18:15–19:00 E305, P. Berka
BA_KDD/cECPH: každé liché pondělí 15:45–16:29 E307, každé liché pondělí 16:30–17:15 E307, každé liché pondělí 17:30–18:14 E307, každé liché pondělí 18:15–19:00 E307, P. Berka
Předpoklady
no special prerequisities
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Students will get familiar with the methods used for knowledge discovery in databases. The lectures focus on different data mining tasks and suitable machine learning algorithms. The students will also work wit one of the widely used data mining systems.
Výstupy z učení
At the end of the course students should be able to:
- understand the role of KDD for data analysis;
- understand different data mining tasks;
- understand the basic principles of various data mining algorithms;
- understand the basic methods of evaluation of created models;
- understand data preprocessing problems;
- formulate KDD tasks for real-world data
Osnova
  • - Data, information, knowledge
  • - Process of knowledge discovery in databases
  • - Machine learning
  • - Weka
  • - Symbolic classification and prediction
  • - Subsymbolic classification and prediction
  • - Dependency analysis
  • - Segmentation
  • - Evaluation of created models
  • - New trends
  • - Real tasks
  • - Presentations of case studies
Literatura
    povinná literatura
  • Witten I., Frank E.: Data Mining, Practical Machine Learning Tools and Techniques with Java. Fourth edition. Morgan Kaufmann, San Francisco 2016
    doporučená literatura
  • Han J., Kerber M.: Data Mining, Concepts and Techniques. Morgan Kaufmann, San Francisco 2001
Výukové metody
- lectures and seminars in full-time study,
- tutorials in part-time study,
- case study of data analysis using data mining system
Metody hodnocení
- written final test consisting of unstructured questions (min 50% points)
- case study of data analysis using data mining system
Vyučovací jazyk
Angličtina
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2020, zima 2022, zima 2023, zima 2024.