Předmět: Pokročilé metody dataminingu

« Zpět
Název předmětu Pokročilé metody dataminingu
Kód předmětu FES/DPMDI
Organizační forma výuky Přednáška
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 10
Vyučovací jazyk Čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Petr Pavel, doc. Ing. Ph.D.
Obsah předmětu
Předmět je zaměřen na objasnění teoretických principů i řešení praktických problémů s využitím metod Data Miningu, Web Miningu a Text Miningu. Pozornost je věnována otázkám transformace, předzpracování a verifikace dat, zvolení vhodných metod, vyhodnocení procesu a interpretace výsledků. Velký důraz je kladen na řešení samostatné úlohy na reálných datech pod dohledem vyučujícího. V rámci předmětu se vychází z teoretických základů jednotlivých metod a algoritmů z oblasti Data Miningu a Knowledge Discovery s cílem rozvinout možnosti jejich využití, ohodnotit výsledky získané použitím data miningu; posoudit vhodnost a použitelnost inteligentních přístupů pro řešení reálných problémů; formulovat a řešit úlohy dobývání znalostí z databází pro reálná data, která mohou pocházet jak z homogenních, tak heterogenních datových struktur; aplikovat metody reprezentace a zpracování znalostí při vývoji softwarových systémů apod.

Studijní aktivity a metody výuky
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming), Metody práce s textem (učebnicí, knihou)
Výstupy z učení
Předmět je zaměřen na objasnění teoretických principů i řešení praktických problémů s využitím metod Data Miningu, Web Miningu a Text Miningu. Pozornost je věnována otázkám transformace, předzpracování a verifikace dat, zvolení vhodných metod, vyhodnocení procesu a interpretace výsledků.
Student bude schopen vhodně aplikovat základní metody prostorových analýz a vizualizace dat reprezentujících prostorové jevy a objekty při řešení prostorově orientovaných problémů.
Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
Posouzení zadané práce, Analýza výkonu studenta

Účast na seminářích je povinná. Zpracování a úspěšné obhájení projektu z probírané látky se zaměřením na písemnou práci ke státní doktorské zkoušce a doktorské disertační práci. Všeobecný pohled doktoranda na moderní metody v oblasti dolování z dat a získávání znalostí.
Doporučená literatura
  • Aggarwal, Charu C. Mining text data. New York: Springer Science+Business Media, 2012. ISBN 978-1-4614-3222-7.
  • Feldman. The text mining handbook : advanced approaches in analyzing unstructured data. New York, 2007.
  • MINER, G. Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications. Amsterdam, 2012.
  • Tufféry, Stéphane. Data mining and statistics for decision making. Chichester: John Wiley & Sons, 2011. ISBN 978-0-470-68829-8.
  • WITTEN, I.H., FRANK, E., HALL, M.A. Data Mining: Practical Machine Learning Tools and Techniques. Amsterdam, 2011.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Fakulta ekonomicko-správní Studijní plán (Verze): Informatika ve veřejné správě (2014) Kategorie: Ekonomie - Doporučený ročník:-, Doporučený semestr: -
Fakulta: Fakulta ekonomicko-správní Studijní plán (Verze): Informatika ve veřejné správě (2014) Kategorie: Ekonomie - Doporučený ročník:-, Doporučený semestr: -