460-6016/04 – Analýza dat (AD)

Garantující katedraKatedra informatikyKredity10
Garant předmětuprof. RNDr. Václav Snášel, CSc.Garant verze předmětudoc. Ing. Jan Platoš, Ph.D.
Úroveň studiapostgraduálníPovinnostpovinně volitelný typu B
RočníkSemestrzimní + letní
Jazyk výukyangličtina
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyUSP, FEIUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
PLA06 doc. Ing. Jan Platoš, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 28+0
kombinovaná Zkouška 28+0
distanční Zkouška 10+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cíle předmětu: analýza dat

Vyučovací metody

Individuální konzultace

Anotace

Obsah předmětu je následující: metody redukce dat, strojové učení, předzpracování dat, Exploratory Data Analysis, statistický přístup k dolování dat, shluková analýza (hierarchické a k-means shlukování), Bayesovská pravidla, k-Nearest Neighbor algoritmus, rozhodovací stormy, faktorová analýza, samoorganizující se mapy SOM, asociační a fuzzy pravidla, rough sets, metody analýzy mnohadimenzionálních dat, analýza časových řad, PCA, ICA, NMF, SVD, tenzorová data, redukce tenzorů, hodnocení kvality modelů, vizualizace, konceptuální svazy, metoda GUHA, dobývání znalostí z databází.

Povinná literatura:

Petr Berka. Dobývání znalostí z databází. Academia, Praha, 2003. Hana Řezanková, Dušan Húsek, Václav Snášel. Shluková analýza dat. 2. rozš. vyd. Praha : Professional Publishing, 2009. Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009. Claudio Carpineto, Giovanni Romano. Concept Data Analysis: Theory and Applications,Wiley, 2004.

Doporučená literatura:

Bing Liu. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Springer, 2009. David Skillicorn. Understanding Complex Datasets: Data Mining with Matrix Decompositions, Chapman & Hall, 2007. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to Data Mining, Addison Wesley, 2005.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Samostatná práce ve zvoleném tématu. Ústní zkouška.

E-learning

Další požadavky na studenta

Další požadavky na studenta nejsou.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Obsah předmětu je následující: metody redukce dat, strojové učení, předzpracování dat, Exploratory Data Analysis, statistický přístup k dolování dat, shluková analýza (hierarchické a k-means shlukování), Bayesovská pravidla, k-Nearest Neighbor algoritmus, rozhodovací stormy, faktorová analýza, samoorganizující se mapy SOM, asociační a fuzzy pravidla, rough sets, metody analýzy mnohadimenzionálních dat, analýza časových řad, PCA, ICA, NMF, SVD, tenzorová data, redukce tenzorů, hodnocení kvality modelů, vizualizace, konceptuální svazy, metoda GUHA, dobývání znalostí z databází.

Podmínky absolvování předmětu

Kombinovaná forma (platnost od: 2019/2020 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Zkouška Zkouška  
Rozsah povinné účasti:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2020/2021 (P0613D140006) Informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0613D140006) Informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0613D140021) Výpočetní vědy K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0613D140021) Výpočetní vědy P angličtina Ostrava povinně volitelný typu B stu. plán
2019/2020 (P0613D140006) Informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2019/2020 (P0613D140006) Informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2019/2020 (P0613D140021) Výpočetní vědy P angličtina Ostrava povinně volitelný typu B stu. plán
2019/2020 (P0613D140021) Výpočetní vědy K angličtina Ostrava povinně volitelný typu B stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku