157-0386/01 – Data mining (DM)

Garantující katedraKatedra systémového inženýrstvíKredity5
Garant předmětudoc. Dr. Ing. Miroslav HudecGarant verze předmětudoc. Dr. Ing. Miroslav Hudec
Úroveň studiapregraduální nebo graduálníPovinnostpovinný
Ročník1Semestrletní
Jazyk výukyčeština
Rok zavedení2020/2021Rok zrušení
Určeno pro fakultyEKFUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
HUD0118 doc. Dr. Ing. Miroslav Hudec
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem předmětu je pochopení a zvládnutí hlavních postupů a metod dolování informací a vědomostí z dat a interpretace výsledků. Přednášky poskytují teoretický základ na pochopení těchto oblastí. Cvičení poskytují prostor na ukázku úloh, procvičení různých případů a diskuzi k tématům.

Vyučovací metody

Přednášky
Individuální konzultace
Cvičení (v učebně)

Anotace

Cílem předmětu je pochopení a zvládnutí hlavních postupů a metod dolování informací a vědomostí z dat a interpretace výsledků. Přednášky poskytují teoretický základ na pochopení těchto oblastí. Cvičení poskytují prostor na ukázku úloh, procvičení různých případů a diskuzi k tématům.

Povinná literatura:

BERKA, Petr. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9. HUDEC, Miroslav. Fuzzy logika pre hospodársku informatiku. Bratislava: Ekonóm, 2015. ISBN 978-80-225-4100-8. SKALSKÁ, Hana. Data mining a klasifikační modely. Hradec Králové: Gaudeamus, 2010. ISBN: 978-80-7435-088-7.

Doporučená literatura:

AGGRAWAL, Charu. Data Mining: The Textbook. Cham: Springer, 2015. ISBN 978-3-319-14141-1. BRAMER, Max. Principles of data mining. London: Springer-Verlag, 2013. ISBN 978-1-4471-4884-5. HUDEC, Miroslav. Fuzziness in Information Systems - How to Deal with Crisp and Fuzzy Data in Selection, Classification, and Summarization. Cham: Springer, 2016. ISBN 978-3-319-42516-0.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Zápočet: - aktivní účast na cvičení, vypracovaní projektu a pisemka. - získání minimálně 20 bodu ze 40 bodů na zápočtu. Zkouška: - otázky z daných okruhů - získání minimálně 31 bodu ze 60 bodů.

E-learning

Studenti mají k dispozici v LMS Moodle prezentace přednášek, zadání

Další požadavky na studenta

Aktivní účast na cvičení (min. 60 %). Zpracovaní projektu dle požadované struktury a obsahu. Získání nadpolovičního počtu bodů.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

1. Úvod do data miningu (vymezení data miningu, vztah k ostatním vědním disciplínám, objasnění základních pojmů, specifika data miningu). 2. Typy dat (numerické, kategorické, textové, fuzzy data). Logický, statistický a algebraický pohled na data. Kategorizace požadavků na dovolání dat. 3. Kroky dolování vědomostí z dat: předzpracování dat, čištění dat, dovolání a interpretace výsledků. 4. Metody a vlastnosti přímého a nepřímého data minigu. Kategorizace úloh a třídění metod. 5. Klasická a flexibilní klasifikace, klasické a flexibilní shlukovaní. 6. Asociační pravidla, rozhodovací stromy a analýza sítí. 7. Statistický a logický souhrn z dát. 8. Výpočtová inteligence v dolovaní vědomostí z dat. 9. Agregace a hodnocení názorů. 10. Základní postupy text miningu, kategorizace textu, klasifikace textových dokumentů.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2020/2021 letní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zápočet a zkouška Zápočet a zkouška 100 (100) 51
        Zápočet Zápočet 40 (40) 20
                Písemka Písemka 15  5
                projekt Projekt 25  10
        Zkouška Zkouška 60  31 3
Rozsah povinné účasti: Aktivní účast na cvičeních (min. 60 %). Zpracovaní projektu dle požadované struktury a obsahu. Získání minimálně 20 bodu ze 40 bodů na zápočtu. Získání minimálně 31 bodu ze 60 bodů na zkoušce.

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP: Aktivní účast na cvičeních (min. 60 %). Zpracovaní projektu dle požadované struktury a obsahu. Získání minimálně 20 bodu ze 40 bodů na zápočtu. Získání minimálně 31 bodu ze 60 bodů na zkoušce.

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2024/2025 (N0688A050001) Informační a znalostní management DZ P čeština Ostrava 1 povinný stu. plán
2024/2025 (N0311EKF023) Ekonomie P čeština Ostrava 2 povinně volitelný typu B stu. plán
2023/2024 (N0688A050001) Informační a znalostní management DZ P čeština Ostrava 1 povinný stu. plán
2023/2024 (N0311EKF023) Ekonomie P čeština Ostrava 2 povinně volitelný typu B stu. plán
2022/2023 (N0688A050001) Informační a znalostní management DZ P čeština Ostrava 1 povinný stu. plán
2021/2022 (N0688A050001) Informační a znalostní management DZ P čeština Ostrava 1 povinný stu. plán
2020/2021 (N0688A050001) Informační a znalostní management DZ P čeština Ostrava 1 povinný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky



2023/2024 zimní
2021/2022 letní