VSFS:B_DZD Dobývání znalostí z databází - Informace o předmětu
B_DZD Dobývání znalostí z databází
Vysoká škola finanční a správnízima 2022
- Rozsah
- 0/2/0. 12 hodin KS/semestr. 3 kr. Ukončení: z.
- Vyučující
- 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: Čt 15:45–16:29 E307, Čt 16:30–17:15 E307, kromě Čt 27. 10., kromě Čt 3. 11., kromě Čt 15. 12. ; a Čt 27. 10. 15:45–17:15 E228, Čt 3. 11. 15:45–17:15 E228, Čt 15. 12. 8:45–10:15 S14, R. Janošcová
B_DZD/vEKPH: Pá 30. 9. 17:30–19:00 E228, 19:15–20:45 E228, Pá 14. 10. 17:30–19:00 E227, 19:15–20:45 E227, Pá 4. 11. 17:30–19:00 E228, 19:15–20:45 E228, R. Janošcová - 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 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
- 1. Data, informace, znalosti, databáze.
- 2. Proces dobývání znalostí.
- 3. Strojové učení; WEKA...
- 4. Symbolické metody klasifikace a predikce.
- 5. Subsymbolické metody klasifikace a predikce.
- 6. Analýza závislostí.
- 7. Segmentace.
- 8. Vyhodnocení nalezených znalostí.
- 9. Nové trendy; Zadání případové studie.
- 10.Řešení případové studie.
- 11.Řešení případové studie
- 12.Prezentování případové studie
- Literatura
- povinná literatura
- POTANČOK, Martin, Jan POUR a Veronika CHRAMOSTOVÁ. Business analytika v praxi. Praha: Oeconomica, nakladatelství VŠE, 2020. ISBN 978-80-245-2382-8.
- doporučená literatura
- Ian H. Witten, Eibe Frank, Mark A. Hall, and Christopher J.Pal.2017.Data Mining:Practical Machine Learning Tools and Techniques. Vol.Fourth edition. Cambridge,MA, US: Morgan Kaufmann. ISBN 9780128042915.EBSCO (e-kniha přes IS VŠFS)
- neurčeno
- BERKA, P. 4IZ450 – Dobývání znalostí z databází. Praha: VŠE, 2006 - 2021. https://sorry.vse.cz/~berka/4IZ450/
- BERKA,P. Dobývání znalostí z databází. Academia, Praha 2003. ISBN 80-200-1062-9
- JAMSA, K. Introduction to Data Mining and Analytics. Burlington : Jones & Bartlett Learning, 2021. ISBN: 9781284180909. EBSCO (e-kniha, dostupná přes IS VŠFS)
- NAQVI, Al. Artificial Intelligence for Audit, Forensic Accounting, and Valuation : A Strategic Perspective, John Wiley & Sons, Incorporated, 2020. ProQuest Ebook Central.ISBN:9781119601883.ProQuest Ebook (e-kniha přes IS VŠFS)
- KELEMEN, J. a kol.: Pozvanie do znalostnej spoločnosti. Iura Edition, Bratislava, 2007. ISBN 9788080781491.
- Výukové metody
- - Cvičení, přednášky, čtení v prezenční formě studia;
- Výuka v kombinovaném studiu bude probíhat formou soustředění, kdy je vedle zhuštěné prezentace tématu předpokládáno též předchozí samostudium.
- V obou formách - případové studie analýzy dat metodami dobývání znalostí. - Metody hodnocení
- Předmět je zakončen ZÁPOČTEM (3 kredity).
ZÁPOČET - Prezenční studium: Udělení zápočtu je vázáno na:
- splnění povinnosti aktivní docházky min. 75 % (tj. aktivní podílení se na průběhu výuky).
- Vypracování a prezentování týmové případové studie - zadání viz IS (Zadani_PS_2022.docx).
ZÁPOČET - Kombinované studium: Udělení zápočtu je vázáno na:
- splnění povinnosti aktivní docházky v min. rozsahu 50 % na soustředěních (aktivní podílení se na průběhu výuky).
- Vypracování a prezentování případové studie - zadání viz IS (Zadani_PS_2022.docx).
POZOR: U všech forem je nutné:
- odevzdání zápočtové práce dle zadání v odevzdávárně (jedna za tým).
Studentům v průběhu výuky nebude akceptována pozdní docházka a pokud bude probíhat výuka, tutoriál nebo konzultace prostřednictvím Microsoft Teams, očekává se při vyzvání pedagoga zapnutí kamery a mikrofonu. - Informace učitele
- Kontakt na vyučujícího: 37037@mail.vsfs.cz
KONZULTACE: osobně dle rozpisu v IS na osobní stránce vyučujícího: https://is.vsfs.cz/auth/osoba/37037#
nebo online v MS Teams dle vypsaných termínů: https://is.vsfs.cz/go/fc4rd8
ISP studenti: Hned na začátku AR kontaktujte vyučujícího a dohodněte se na konkrétních podmínkách.
ISP studenti mají zpracovat případovou studii analýzy dat podle zadání pro prezenční studium s navýšením limitu počtu použitých metod na 3. Můžou pracovat individuálně.
3 kredity: 75 - 90 hodin studijní zátěže. - Další komentáře
- Předmět je dovoleno ukončit i mimo zkouškové období.
- Statistika zápisu (zima 2022, nejnovější)
- Permalink: https://is.vsfs.cz/predmet/vsfs/zima2022/B_DZD