545-0453/01 – Systémové inženýrství I (SI I)
| Garantující katedra | Katedra ekonomiky a systémů řízení | Kredity | 4 |
| Garant předmětu | doc. Dr. Ing. Vladimír Kebo | Garant verze předmětu | doc. Dr. Ing. Vladimír Kebo |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 4 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 1999/2000 | Rok zrušení | 2009/2010 |
| Určeno pro fakulty | HGF | Určeno pro typy studia | magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
::
Vyučovací metody
Anotace
Současný boom informačních technologií má za následek obrovský nárůst dat
získávaných nejen z nejrůznějších podnikových systémů, ale především, díky
síťovému propojení, ze vzdálených databází a v neposlední řadě z Internetu.
Vzniká problém, jak nashromážděná data analyzovat a účinně využívat. Řešením se ukazují být techniky Knowledge Discovery in Databases - objevování znalostí v
databázích.
Povinná literatura:
1) Fayyad U.M. Piatetsky – Shapiro G. Smyth P. Uthurusamy R. Advanced in
Knowledge Discovery and Data Mining, AAAI Press/ The MIT Press, USA 1999
2) Časopis IT System, ročník 1999 - 2001
3) http://www.ccb.cz
4) http://www.document.cz
Doporučená literatura:
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
E-learning
Další požadavky na studenta
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Od dolování dat k objevování znalostí, přehled základních přístupů.
2. Specifikace jednotlivých kroků procesu objevování znalostí v databázích.
3. Grafické modely pro analýzu a dekompozici problému, čištění dat.
Grafické znázornění procesu učení a vyhledávání znalostí. Algoritmy učení
4. Statistické aspekty vyhledávání znalostí. Popis vybraných statistických
metod užívaných v procesu objevování znalostí.
5. Induktivní logické programování a objevování znalostí, techniky ILP,
aplikace ILP v procesu objevování znalostí.
6. Algoritmy pro vzorkování a čištění dat. Transformace pravidel stromů do
porovnatelných znalostních struktur.
7. Analýza trendů a odchylek. Nalézání vzorků v časových řadách.
8. Od kontingenční tabulky k různým formám znalostí v databázích.
9. Dolování v multidimenzionálních datech, architektura databáze
podporující dolování dat, modely dolovacích technik.
10. Hlavní rysy OLAP technologie, struktura OLAP systému, datová základna,
nástroje pro práci s daty.
11. Využití induktivního učení při generování pravidel pro optimalizaci
sémantických sítí.
12. Představení některých aplikací založených na principu objevování
znalostí v databázích.
13. Data warehousing, charakteristika datového skladu a datového tržiště,
možnosti architektury, modelování systémů s datovými sklady.
14. Datový sklad a metodologie jeho implementace, využití Data warehousingu
ve firmě.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.