VSFS:BA_KDD Knowledge Disc. in Databases - Informace o předmětu
BA_KDD Knowledge Discovery in Databases
Vysoká škola finanční a správnízima 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.
- Statistika zápisu (zima 2021, nejnovější)
- Permalink: https://is.vsfs.cz/predmet/vsfs/zima2021/BA_KDD