157-9581/01 – Vytěžování znalostí (VZe)
Garantující katedra | Katedra systémového inženýrství a informatiky | Kredity | 10 |
Garant předmětu | doc. Dr. Ing. Miroslav Hudec | Garant verze předmětu | doc. Dr. Ing. Miroslav Hudec |
Úroveň studia | postgraduální | Povinnost | povinně volitelný typu B |
Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | angličtina |
Rok zavedení | 2020/2021 | Rok zrušení | |
Určeno pro fakulty | EKF | Určeno pro typy studia | doktorské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je pochopit a osvojit si hlavní přístupy a metody získávaní poznatků z heterogenních údajů a interpretovat znalosti srozumitelmným přístupem pro různé kategorioe používání. Přednášky poskytují teoretický základ pro pochopení získávání poznatků. Semináře poskytují prostor na řešení úloh, zkoumání různých případů a diskuzi.
Vyučovací metody
Přednášky
Semináře
Individuální konzultace
Anotace
Cílem předmětu je pochopit a osvojit si hlavní přístupy a metody získávaní poznatků z heterogenních údajů a interpretovat znalosti srozumitelmným přístupem pro různé kategorioe používání. Přednášky poskytují teoretický základ pro pochopení získávání poznatků. Semináře poskytují prostor na řešení úloh, zkoumání různých případů a diskuzi.
Povinná literatura:
Doporučená literatura:
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Student zpracovává seminární práci, kterou prezentuje a obhajuje prvú čast zkoušky. Druhou částí zkoušky je diskuse dané odborné téma garantem předmětu.
E-learning
Studenti mají k dispozici v LMS Moodle prezentace přednášek, zadání
Další požadavky na studenta
Zpracovaní seminární práci dle požadované struktury a obsahu.
Získání nadpolovičního počtu bodů na zkoušce.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do vytěžování znalostí (definice , vztah k ostatním vědním disciplínám, základné pojmy).
2. Typy dat (numerické, kategorické, textové, fuzzy data, smíšený typy). Logický a statistický pohled na data a interpretace znalostí.
3. Kroky k vytěžování znalostí: před-zpracování dat, čištění dat, dolování a interpretace výsledků.
4. Korelace a kauzalita, funkcionální a flexibilní funkční závislosti.
5. Výpočetní inteligence při vytěžování znalostí dat.
6. Klasifikace, shlukovaní, asociační pravidla, rozhodovací stromy.
7. Statistický a logický souhrn z dat.
8. Vizualizace dat.
9. Vytěžování znalostí z časových řad.
10. Strojové učení pro vytěžování znalostí (typy učení, jejich vlastnosti, data, hodnocení výsledků).
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.