456-0064/01 – Data Analysis Methods (MAD)
Gurantor department | Department of Computer Science | Credits | 4 |
Subject guarantor | doc. RNDr. Jana Šarmanová, CSc. | Subject version guarantor | doc. RNDr. Jana Šarmanová, CSc. |
Study level | undergraduate or graduate | Requirement | Choice-compulsory |
Year | | Semester | summer |
| | Study language | Czech |
Year of introduction | 1992/1993 | Year of cancellation | 2002/2003 |
Intended for the faculties | FEI | Intended for study types | Master |
Subject aims expressed by acquired skills and competences
Absolvent předmětu zná teoreticky metody dolování znalostí z dat a umí je prakticky použít na reálných datech. Znalosti může uplatnit ve zpracování sociologických průzkumů, vědeckých výzkumů zpracovávajících experimentální data nebo při budování datových skladů a dolování znalostí z nich.
Teaching methods
Summary
Objects, atributes, data analysis methods. Statistical and exploratory analysis.
Factor analysis. Cluster analysis, nonhierarchical and hierarchical clustering.
GUHA method, associations. Discovering rules in information trees.
Expert system for objects or atributes analysis.
Compulsory literature:
J.Šarmanová: Metody analýzy dat. VŠB-TU Ostrava
J.Anděl: Matematická statistika. SNTL Praha, 1990
A.Lukasová, J.Šarmanová: Metody shlukové analýzy. SNTL Praha, 1985
P.Hájek,T.Havránek, M.K.Chytil: Metoda GUHA. Academia Praha, 1983
Sborníky konferencí PKDD, 1997-2001
Recommended literature:
J.Šarmanová: Metody analýzy dat. VŠB-TU Ostrava
Manuál SAD. VŠB-TU Ostrava
Way of continuous check of knowledge in the course of semester
Průběžná kontrola studia:
Referát na téma dolování znalostí = 20 bodů
Analýza vlastních dat = 20 bodů
Implementace jedné metody dolování = 20 bodů
Podmínky udělení zápočtu:
Splnění všech tří bodů průběžné kontroly studia, každý minimálně na 10 bodů.
E-learning
Other requirements
Prerequisities
Subject has no prerequisities.
Co-requisities
Subject has no co-requisities.
Subject syllabus:
Přednášky:
Vymezení problémů analýzy mnohorozměrných dat.
Vstupní data, typy dat z hlediska formálního a významového. Hrubá filtrace.
Chybějící údaje, dichotomizace, kategorizace
Předzpracování dat, transformace. Normalizace, standardizace. Transponování matice dat.
Metoda hlavních komponent.
Metody analýzy dat: matematická statistika a explorační analýza dat. Metody popisné.
Shluková analýza, metody nehierarchické.
Shluková analýza, metody hierarchické.
Shluková analýza, prezentace a interpretace výsledků.
Hledání asociací, automatická tvorba hypotéz.
Asociace, prezentace a interpretace výsledků.
Konstrukce rozhodovacího stromu, prezentace a interpretace.
Vazby metod předzpracování a analýzy dat.
Expertní systém založený na datové matici.
Cvičení:
Procvičování metod z přednášek na příkladech konkrétních dat.
Referáty o nových metodách dolování z dat.
Referáty o výsledcích vlastní analýzy.
Projekty:
Analýza konkrétních dat z vlastní praxe nebo z databáze - analýza potřeb a možnost
Předzpracování, výběr vhodných metod
Vlastní výpočty, interpretace.
Referát, dokumentace.
Počítačové laboratoře:
Seznámení s programovým systémem pro analýzu dat, ovládání, metody, prezentace výsledků, využití.
Conditions for subject completion
Occurrence in study plans
Occurrence in special blocks
Assessment of instruction
Předmět neobsahuje žádné hodnocení.