B_DZD Dobývání znalostí z databází

Vysoká škola finanční a správní
zima 2021
Rozsah
0/2/0. 12 hodin KS/semestr. 3 kr. Ukončení: z.
Vyučující
prof. Ing. Petr Berka, CSc. (cvičící)
Ing. Renata Janošcová, Ph.D. (cvičící)
Garance
Ing. Renata Janošcová, Ph.D.
Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Kontaktní osoba: Ivana Plačková
Rozvrh seminárních/paralelních skupin
B_DZD/cEKPH: každý sudý čtvrtek 15:45–16:29 E228, každý sudý čtvrtek 16:30–17:15 E228, každý sudý čtvrtek 17:30–18:14 E228, každý sudý čtvrtek 18:15–19:00 E228, kromě Čt 21. 10. ; a St 20. 10. 12:15–13:45 E306, 14:00–15:30 E306, R. Janošcová
B_DZD/vEKPH: Pá 1. 10. 14:00–15:30 E228, 15:45–17:15 E228, 17:30–19:00 E228, Pá 19. 11. 14:00–15:30 E228, 15:45–17:15 E228, 17:30–19:00 E228, R. Janošcová
Předpoklady
žádné speciální 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 na jednotlivé úlohy dobývání znalostí a vhodné 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 jednotlivým úlohám dobývání znalostí,
- porozumět základním principům jednotlivých algoritmů pro data mining,
- porozumět základním metodám pro hodnocení nalezených znalostí,
- porozumět problémům předzpracování dat,
- formulovat úlohy dobývání znalostí z databází pro reálná data
Osnova
  • - Data, informace, znalosti
  • - Proces dobývání znalostí
  • - Strojové učení
  • - Symbolické metody klasifikace a predikce
  • - Subsymbolické metody klasifikace a predikce
  • - Analýza závislostí
  • - Segmentace
  • - Vyhodnocení nalezených znalostí
  • - Nové trendy
  • - Prezentace případových studií
Literatura
    povinná literatura
  • Berka,P.Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9
    doporučená literatura
  • Kelemen, J. a kol.: Pozvanie do znalostnej spoločnosti. Iura Edition, Bratislava, 2007
  • 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 metodami dobývání znalostí
Metody hodnocení
- závěrečný písemný test tvořený nestukturovanými otázkami (minimum 50% bodů)
- případová studie analýzy dat systémem dobývání znalostí
Informace učitele
Pokyny pro studenty ISP: Absolvovat závěrečný písemný test. Zpracovat případovou studii analýzy dat podle zadání pro prezenční studium s navýšením limitu na počet stran vlastního textu o 50 %. 3 kredity: 75 - 90 hodin studijní zátěže
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2020, zima 2022, zima 2023, zima 2024.