460-4025/01 – Metody analýzy dat (MAD)

Garantující katedraKatedra informatikyKredity5
Garant předmětuprof. RNDr. Václav Snášel, CSc.Garant verze předmětuprof. RNDr. Václav Snášel, CSc.
Úroveň studiapregraduální nebo graduálníPovinnostvolitelný odborný
Ročník1Semestrletní
Jazyk výukyčeština
Rok zavedení2010/2011Rok zrušení2014/2015
Určeno pro fakultyFEIUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
BUC0014 Ing. Klára Schenková
SNA57 prof. RNDr. Václav Snášel, CSc.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2
kombinovaná Zápočet a zkouška 10+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Absolvent předmětu získá následující znalosti a dovednosti: teoretické základy metod pro analýzu dat, implementace a aplikace vybraných metod, praktické použití metod analýzy dat na reálných problémech, aplikace vybraných softwarových balíků pro analýzu dat, vizualizaci a analýzy výsledků

Vyučovací metody

Přednášky
Individuální konzultace
Cvičení (v učebně)
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:

H. Řezanková, D. Húsek, V. Snášel, Shluková analýza dat Druhé rozšířené vydání, Professional Publishing, 2009. D. Skillicorn, Understanding Complex datasets: data mining with matrix decompositions, Chapman & Hall/CRC, 2007. Han Jiawei; Kamber Micheline; Pei Jian, Data Mining, The Morgan Kaufmann Series in Data Management Systems, 3rd edition, 2011.

Doporučená literatura:

Eldén, L., Matrix Methods in Data Mining and Pattern Recognition, SIAM 2007. T. Hastie, R. Tibshirani and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer; Corr. 3rd edition, 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

Další požadavky na studenta nejsou kladeny.

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

Prezenční forma (platnost od: 2012/2013 zimní semestr, platnost do: 2014/2015 letní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zápočet a zkouška Zápočet a zkouška 100 (100) 51
        Zápočet Zápočet 40  20
        Zkouška Zkouška 60  11 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
2014/2015 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 1 volitelný odborný stu. plán
2014/2015 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 1 volitelný odborný stu. plán
2013/2014 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 1 volitelný odborný stu. plán
2013/2014 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 1 volitelný odborný stu. plán
2012/2013 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 1 volitelný odborný stu. plán
2012/2013 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 1 volitelný odborný stu. plán
2011/2012 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 1 volitelný odborný stu. plán
2011/2012 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 1 volitelný odborný stu. plán
2010/2011 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 1 volitelný odborný stu. plán
2010/2011 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 1 volitelný odborný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky



2013/2014 letní
2012/2013 letní
2011/2012 letní