Zgłębianie danych


Informacje ogólne

Typ:obowiazkowy
Kierunek: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 modeluZastosowania

Sposób zaliczenia

egzamin

Umiejętności i kompetencje

Laboratoria towarzyszące wykładowi będą polegały na praktycznej analizie danych

Literatura

  • 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