J 2017

Data Mining and Machine Learning

BERKA, Petr

Basic information

Original name

Data Mining and Machine Learning

Name in Czech

Dobývání znalostí a strojové učení

Authors

BERKA, Petr (203 Czech Republic, guarantor, belonging to the institution)

Edition

International Journal on Biomedicine and Healthcare, Czech Republic, EuroMISE, 2017, 1805-8698

Other information

Language

English

Type of outcome

Článek v odborném periodiku

Field of Study

10201 Computer sciences, information science, bioinformatics

Country of publisher

Czech Republic

Confidentiality degree

není předmětem státního či obchodního tajemství

RIV identification code

RIV/04274644:_____/17:#0000225

Organization unit

University of Finance and Administration

Keywords (in Czech)

dobývání znalostí, strojové učení

Keywords in English

data mining; machine learning

Tags

Změněno: 9/4/2018 08:47, Bc. Jan Peterec

Abstract

ORIG CZ

V originále

The rapid growth of data collected and stored in various application areas brings new problems and challenges in their processing and interpretation. While database technology provides tools for data storage and “simple” querying, and statistics offers methods for analyzing small sample data, new approaches are necessary to face these challenges. These approaches are usually called knowledge discovery in databases (KDD) or data mining. KDD can be applied in various domains: banking and finance, insurance, life sciences, retail, technical diagnostics, computer networks, social networks e.t.c. Let us consider an example from medical domain, the analysis of atherosclerosis risk factors data with the aim to build a model that will differentiate between normal and risky patients.

In Czech

Rychlý nárůst objemů dat shromažďovaných a uchovávaných v různých aplikacích přináší nové problémy a výzvy pro jejich zpracování. Zatímco databázové technologie nabízejí metody pro uchovávání dat a „jednoduché“ dotazování a statistika nabízí metody pro analýzy malých vzorků dat, pro nové výzvy jsou třeba nové přístupy. Tyto přístupy bývají označovány jako dobývání znalostí z databází (KDD) nebo data mining. Přístupy KDD lze použít v nejrůznějších oblastech: bankovnictví a finance, pojišťovnictví, přírodní vědy, maloobchod, technická diagnostika, počítačové sítě, sociální sítě apod. Podívejme se na příklad z medicínské oblasti, na úlohu analýzy dat o rizikových faktorech aterosklerózy s cílem vytvořit model, který bude rozlišovat mezi normálními a rizikovými pacienty.