Předmět: Pokročilé metody dataminingu

» Seznam fakult » EF » KIN
Název předmětu Pokročilé metody dataminingu
Kód předmětu KIN/PMD-D
Organizační forma výuky Přednáška
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 10
Vyučovací jazyk Čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Petr Pavel, doc. Ing. Ph.D.
Obsah předmětu
Předmět je zaměřen na objasnění teoretických principů i řešení praktických problémů s využitím metod Data Miningu, Web Miningu a Text Miningu. Pozornost je věnována otázkám transformace, předzpracování a verifikace dat, zvolení vhodných metod, vyhodnocení procesu a interpretace výsledků. Velký důraz je kladen na řešení samostatné úlohy na reálných datech pod dohledem vyučujícího V rámci předmětu se vychází z teoretických základů jednotlivých metod a algoritmů z oblasti Data Miningu a Knowledge Discovery s cílem rozvinout možnosti jejich využití, ohodnotit výsledky získané použitím data miningu; posoudit vhodnost a použitelnost inteligentních přístupů pro řešení reálných problémů; charakterizovat možnosti nasazení sémantických technologií v dané aplikační oblasti; aplikovat vybrané algoritmy kódování, konstrukce rozhodovacích stromů a inference v logických systémech a sítích a sledovat vývoj metod v těchto oblastech; identifikovat hlavní problémy zpracování textových informací v automatizovaném informačním systému a posoudit možnosti jejich řešení; navrhovat aplikace nad propojenými sémantickými daty na WWW, včetně vytváření ontologických modelů pro taková data, a transformovat běžné datové zdroje na sémantická data; formulovat a řešit úlohy dobývání znalostí z databází pro reálná data, která mohou pocházet jak z homogenních, tak heterogenních datových struktur; aplikovat metody reprezentace a zpracování znalostí při vývoji softwarových systémů apod.

Studijní aktivity a metody výuky
Monologický výklad (přednáška, prezentace, vysvětlování), Samostatná práce studentů (studium textů, literatury, problémové úkoly,výzkum, pisemná práce)
  • Účast na výuce - 280 hodin za semestr
Výstupy z učení
Cílem předmětu je seznámit doktorandy s novými trendy, teoretickými poznatky i praktickými zkušenostmi v oblastech dataminingu. Zároveň jim tyto znalosti umožní efektivně využívat předložené metody při řešení praktických problémů v rámci jejich studia a práce.
Studenti získají znalosti v daném předmětu v souladu s cílem a obsahem.
Předpoklady
Nespecifikováno

Hodnoticí metody a kritéria
Ústní zkouška, Esej, Analýza výkonů studenta

Zpracování a úspěšné obhájení projektu z probírané látky se zaměřením na písemnou práci ke státní doktorské zkoušce a doktorské disertační práci. Všeobecný pohled doktoranda na moderní metody v oblasti dolování z dat a získávání znalostí.
Doporučená literatura
  • Feldman, R., Sanger, J. The text mining handbook : advanced approaches in analyzing unstructured data.. Cambridge University Press, Cambridge, 2007.
  • Charu C. Aggarwal, Ch. C., Zhai, Ch. Mining text data.. Springer-Verlag Company, New York, 2012.
  • Miner, G. a kol. Practical text mining and statistical analysis for non-structured text data applications.. Waltham Academic Press, 2012.
  • Tufféry, S. Data mining and statistics for decision making.. John Wiley & Sons, Chichester, 2011.
  • Witten, I. H. Data mining - practical machine learning tools and techniques.. Morgan Kaufmann, Burlington, 2011.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Ekonomická fakulta Studijní plán (Verze): Ekonomická informatika (2014) Kategorie: Ekonomie 1 Doporučený ročník:1, Doporučený semestr: -