157-9581/01 – Vytěžování znalostí (VZe)

Garantující katedraKatedra systémového inženýrstvíKredity10
Garant předmětudoc. Dr. Ing. Miroslav HudecGarant verze předmětudoc. Dr. Ing. Miroslav Hudec
Úroveň studiapostgraduálníPovinnostpovinně volitelný typu B
RočníkSemestrzimní + letní
Jazyk výukyangličtina
Rok zavedení2020/2021Rok zrušení
Určeno pro fakultyEKFUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
HUD0118 doc. Dr. Ing. Miroslav Hudec
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 28+0
kombinovaná Zkouška 28+0

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:

SKALSKÁ, Hana. Data mining a klasifikační modely. Hradec Králové: Gaudeamus, 2010. ISBN: 978-80-7435-088-7. BERKA, Petr. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9. HUDEC, Miroslav. Fuzzy logika pre hospodársku informatiku. Bratislava: Ekónom, 2015. ISBN 978-80-225-4100-8. SKANSI, Sandro. Introduction to Deep Learning. Cham: Springer, 2018. ISBN978-3-319-73003-5. 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. BERKA, Petr. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9. HUDEC, Miroslav. Fuzzy logika pre hospodársku informatiku. Bratislava: Ekónom, 2015. ISBN 978-80-225-4100-8.

Doporučená literatura:

HUDEC, Miroslav. Fuzzy logika pre hospodársku informatiku. Bratislava: Ekónom, 2015. ISBN 978-80-225-4100-8. AGGRAWAL, Charu C. Data Mining: The Textbook. Cham: Springer, 2015 ISBN 978-3-319-14141-1. BERKA, Petr. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9. HUDEC, Miroslav. Fuzzy logika pre hospodársku informatiku. Bratislava: Ekónom, 2015. ISBN 978-80-225-4100-8.

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

Kombinovaná forma (platnost od: 2020/2021 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zkouška Zkouška   3
Rozsah povinné účasti:

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2024/2025 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2024/2025 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2023/2024 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2023/2024 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2022/2023 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2022/2023 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2021/2022 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2021/2022 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.