456-0064/01 – Metody analýzy dat (MAD)
Garantující katedra | Katedra informatiky | Kredity | 4 |
Garant předmětu | doc. RNDr. Jana Šarmanová, CSc. | Garant verze předmětu | doc. RNDr. Jana Šarmanová, CSc. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný |
Ročník | | Semestr | letní |
| | Jazyk výuky | čeština |
Rok zavedení | 1992/1993 | Rok zrušení | 2002/2003 |
Určeno pro fakulty | FEI | Určeno pro typy studia | magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
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.
Vyučovací metody
Anotace
Při řešení výzkumných i praktických úloh vzniká často problém s vyhodnocením a interpretací informací,
které poskytují naměřená či evidovaná data z praxe. Metody analýzy dat, zvané též metody dolování
znalostí z dat, seznamují studenty s řadou matematických, statistických a logických metod pro řešení
této třídy výzkumných i praktických problémů a informují je o některých programových balících pro řešení
těchto úloh. V posledních letech se tyto metody výrazně uplatňují při dolování znalostí z informací uložených
v rozsáhlých databázích.
Povinná literatura:
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
Doporučená literatura:
J.Šarmanová: Metody analýzy dat. VŠB-TU Ostrava
Manuál SAD. VŠB-TU Ostrava
Forma způsobu ověření studijních výsledků a další požadavky na studenta
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
Další požadavky na studenta
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
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.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.