|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
USII / CDM2
:
Popis předmětu
Pracoviště / Zkratka
|
USII
/
CDM2
|
Akademický rok
|
2022/2023
|
Akademický rok
|
2022/2023
|
Název
|
Data Mining II
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Konzultace
14
[HOD/SEM]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
14
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
USII/KDM2
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámení s terminologií Data Miningu (DM), používanou metodikou a vybranými metodami v této oblasti. Studenti se naučí řešit typové DM úlohy s využitím metodiky CRISP-DM, používat odpovídající metody pro tvorbu modelů a výsledné modely správně evaluovat a interpretovat. Naučí se pracovat jako člen týmu při řešení DM úloh.
|
Požadavky na studenta
|
Požadavky k zápočtu: zpracovat zadané úlohy s úspěšností min. 60 %, odevzdání semestrální práce podle zadání.
Požadavky ke zkoušce (včetně formy zkoušky): ústní, písemná
Obhájení semestrální práce a úspěšné absolvování písemné části zkoušky (min. 60 %).
V době online výuky jsou požadavky následující:
Zápočet je udělen za odevzdání všech zadaných úkolů s hodnocením splnil (alespoň 60 % bodů), odevzdání projektu (podle zadání v Moodlu).
Zkouška je písemná a ústní. Prověřuje se stupeň znalostí a schopnost aplikovat nabyté znalosti na řešení zadaného projektu při jeho prezentaci a obhajobě. Zkouška bude probíhat v MS Teams a Moodle.
Hlavní komunikační kanál pro zveřeňování aktualit, studijních materiálů a řešení problémů z výuky je Moodle.
|
Obsah
|
Úvod do DM
Metodika CRISP-DM
Přístup k datům a datové manipulace
Modelování
Vizualizace
Seskupovací analýza, analýza nákupního koše, asociční pravidla
Lineární regrese
Logistická regrese
Rozhodovací stromy
Neuronové sítě
Faktorová analýza
Web Mining
Text Mining
Využití DM a sw nástroje
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
CRoss Industry Standard Process.
-
Základní:
Petr, Pavel. Data Mining.. Pardubice: Univerzita Pardubice, 2006. ISBN 80-7194-886-1.
-
Základní:
WITTEN, I.H., FRANK, E., HALL, M.A. Data Mining: Practical Machine Learning Tools and Techniques. Amsterdam, 2011.
-
Základní:
Berka, Petr. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9.
-
Základní:
Petr, Pavel. Metody Data Miningu.. Pardubice: Univerzita Pardubice, 2015. ISBN 978-80-7395-873-2.
-
Základní:
Petr, Pavel. Metody Data Miningu.. Pardubice: Univerzita Pardubice, 2014. ISBN 978-80-7395-872-5.
-
Rozšiřující:
Resources to Internet
-
Doporučená:
GUIDICI P. Applied Data Mining - Statistical Methods for Business and Industry. Guildford, John Wiley & Sons, 2003, 364 s.. 2003.
-
Doporučená:
BERRY, M. - LINOFF G. Data Mining Techniques - For Marketing, Sales, and Customer Relationship Management. Indianapolis, John Wiley & Sons, 2004, 643 s.. 2004.
-
Doporučená:
PYLE, D. Data Preparation for Data Mining. San Diego, Academic Press, 1999, 540 s.. San Diego, 1999.
-
Doporučená:
PKDD'99 Discovery Challenge - Guide to the Financial Data Set.
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Domácí příprava na výuku
|
56
|
Příprava na zkoušku
|
20
|
Semestrální práce
|
40
|
Příprava na zápočet
|
20
|
Kontaktní výuka
|
14
|
Celkem
|
150
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
- |
Získané způsobilosti |
Student, který úspěšně absolvoval předmět, umí:
definovat základní pojmy z oblasti DM je používat;
popsat souvislosti a návaznosti jednotlivých fází DM metodiky;
popsat základní matematické principy vybraných metod využívaných v DM a předpoklady jejich použití;
objasnit obsah základních kroků při Web Miningu a Text Miningu.
Student, který úspěšně absolvoval předmět, dovede:
správně používat metodiku CRISP-DM a řešit související úlohy;
řešit typové úlohy DM, navrhovat modely řešení, vyhodnocovat je správně interpretovat;
využívat standardní nástroje pro DM;
samostatně řešit vybrané typy DM úloh.
Student, který úspěšně absolvoval předmět, je schopen:
pracovat v týmu a srozumitelně shrnout názory ostatních členu týmu;
srozumitelně a přesvědčivě sdělovat odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení v oblasti Data Miningu. |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Metody práce s textem (učebnicí, knihou)
- Metody samostatných akcí
|
Hodnotící metody |
- Ústní zkouška
- Písemná zkouška
- Rozbor produktů pracovní činnosti studenta
- Rozbor díla tvůrčího charakteru
- Obhajoba vlastního projektu
|
|
|
|