BERKA, Petr. Data Mining and Machine Learning. International Journal on Biomedicine and Healthcare. Czech Republic: EuroMISE, vol. 5, No 1, p. 53-54. ISSN 1805-8698. 2017.
Other formats:   BibTeX LaTeX RIS
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
Original language English
Type of outcome Article in a journal
Field of Study 10201 Computer sciences, information science, bioinformatics
Country of publisher Czech Republic
Confidentiality degree is not subject to a state or trade secret
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 AR 2016-2017, RIV_2018, xJ6
Changed by Changed by: Bc. Jan Peterec, učo 24999. Changed: 9/4/2018 08:47.
Abstract
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.
Abstract (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.
PrintDisplayed: 29/3/2024 14:46