Vyučující
|
-
Schindler Martin, Mgr. Ph.D.
|
Obsah předmětu
|
Přehled základních technik hloubkové analýzy dat. Přednášky: 1. Základní pojmy, přehled softwaru pro dolování dat. 2. Organizace a příprava dat. 3. Typy dat, transformace, manipulace s daty. 4. Vizualizace dat. 5. Detekce extrémů. 6. Redukce dimenze, metoda hlavních komponent. 7. Rozhodovací stromy. 8. Dobývání asociačních pravidel. 9. Lineární regrese, predikce. 10. Logistická regrese, klasifikace. 11. Shluková analýza, rozčleňovací a hierarchické metody. 12. Hloubková analýza textu. 13. Neuronové sítě. 14. Analýza velkých datových souborů. Cvičení: Procvičují se témata vyložená na přednáškách. Důraz je kladen na schopnost aplikace získaných poznatků na reálných datech.
|
Studijní aktivity a metody výuky
|
Monologický výklad (přednáška, prezentace, vysvětlování)
- Účast na výuce
- 42 hodin za semestr
- Příprava na zkoušku
- 106 hodin za semestr
|
Výstupy z učení
|
Přehled základních technik hloubkové analýzy dat a jejich aplikace na realná data.
Základní přehled data mining technik a jejich použití.
|
Předpoklady
|
Základy teorie pravděpodobnosti, analýzy dat a statistiky, základy R.
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška
aktivní účast na cvičeních, semestrální práce/písemná a ústní zkouška
|
Doporučená literatura
|
-
Dalgaard, P. Introductory Statistics with R. 2008. ISBN 978-0-387-79053-4.
-
HAN, J., KAMBER, M., PEI, J. Data mining: concepts and techniques. Boston: Elsevier, 2011. ISBN 780123814791.
-
STÉPHANE, Tuff Éry. Data mining and statistics for decision making. Wiley, 2011. ISBN 978-0-470-68829-8.
-
YANCHANG Zhao. R and Data Mining: Examples and Case Studies. Elsevier, 2012. ISBN 978-0123969637.
|