Zgłębianie danych
Informacje ogólne
Typ:obowiazkowyKierunek:Informatyka studia drugiego stopnia
Specjalność:Inteligencja obliczeniowa
Semestr:3
Wymiar zajęć:30 godzin wykładu, 30 godzin laboratorium
Punkty ECTS:5
Wymogi wstępne
Przedmiot adresowany do słuchaczy wyższych lat studiów informatycznych; pomocna znajomość kombinatoryki, statystyki i programowania w Java.Założenia i cele przedmiotu
Przedstawienie teorii i praktyki zgłębiania danych (ang. Data Mining) - odkrywania użytecznych regularności w zbiorach danych. To połączenie statystyki, uczenia się maszyn (Machine Learning) i przechowywania danych (Data Warehousing) jest obecnie szeroko stosowane tam, gdzie nie tylko zbiera się dane, ale i robi z nich użytek w finansach, sprzedaży i marketingu, naukach eksperymentalnych, technologii, telekomunikacji.Program
Potrzeba automatycznej analizy danychPrzygotowanie danychAlgorytmy machine learningSelekcja i ocena modeluZastosowaniaSposób zaliczenia
egzaminUmiejętności i kompetencje
Laboratoria towarzyszące wykładowi będą polegały na praktycznej analizie danychLiteratura
- Witten and E. Frank, Data Minining, Morgan Kaufman Publishers
- Tom Mitchell, Machine Learning, McGraw Hill, 1997
- D. Hand and H Mannila and P. Smyth, Principles of Data Mining, The MIT Press, 2001