456-0921/01 – Metody analýzy dat (MAD)
| Garantující katedra | Katedra informatiky | Kredity | 0 |
| Garant předmětu | doc. RNDr. Jana Šarmanová, CSc. | Garant verze předmětu | doc. RNDr. Jana Šarmanová, CSc. |
| Úroveň studia | postgraduální | Povinnost | povinně volitelný |
| Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | čeština |
| Rok zavedení | 1997/1998 | Rok zrušení | 2010/2011 |
| Určeno pro fakulty | HGF, FEI | Určeno pro typy studia | doktorské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Absolvent předmětu
zná teoreticky základní typy metod dolování znalostí z dat,
umí je prakticky použít na reálných datech ze strukturovaných databází,
umí provést analýzu dat z oblasti sociologických průzkumů, vědeckých experimentálních výzkumů,
umí provést analýzu dat z datových skladů.
Vyučovací metody
Přednášky
Individuální konzultace
Projekt
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. Jsou probrány metody hledající několik typů asociací, metody shlukovací, metody klasifikační a některé další metody.
Studenti jsou dále informováni 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:
Doporučená literatura:
Anděl, J.: Matematická statistika. SNTL Praha, 1990
Lukasová, A.- Šarmanová,J.: Metody shlukové analýzy. SNTL Praha, 1985
Hájek,T. - Havránek,T. - Chytil, M.K.: Metoda GUHA. Academia Praha, 1983
Sborníky konferencí Znalosti, 1997-2009
Sborníky konferencí PKDD, 1997-2009
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Průběžná kontrola studia:
Zpracování tématu dolování znalostí z vlastních dat.
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.
Metody analýzy dat: matematická statistika a explorační analýza dat. Vstupní data, typy dat z hlediska formálního a významového. Filtrace,
chybějící údaje, dichotomizace, kategorizace
Předzpracování dat, transformace. Normalizace, standardizace. Metoda hlavních komponent.
Shluková analýza, metody nehierarchické, metody hierarchické, prezentace a interpretace výsledků.
Hledání asociací, automatická tvorba hypotéz, prezentace a interpretace výsledků.
Konstrukce rozhodovacího stromu, prezentace a interpretace.
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.
Předzpracování, výběr vhodných metod.
Vlastní výpočty, interpretace.
Prezentace výsledků, dokumentace.
Počítačové laboratoře:
Programový systém 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.