Students are introduced to the basic methods of discovering knowledge in data. In particular, they learn the basic techniques of data preprocessing, multidimensional data visualization, statistical techniques of data transformation, and fundamental principles of knowledge discovery methods. Students will be aware of the relationships between model bias and variance, and know the fundamentals of assessing model quality. Data mining software is extensively used in the module. Students will be able to apply basic data mining tools to common problems (classification, regression, clustering).
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
Studenti se seznámí se základními postupy při vytěžování znalostí z dat. Konkrétně se naučí základní techniky předzpracování dat, vizualizace vícerozměrných dat, statistické techniky transformace dat, základní principy metod pro vytěžování znalostí. Studenti získají povědomí o vztahu mezi zaujetím a variancí modelů a o vyhodnocení kvality modelů. V předmětu se extenzivně využívá vytěžovací software. Studenti budou schopni kvalifikovaně použít základní nástroje data miningu na nejčastěji se vyskytujících problémech (klasifikace, regrese, shlukování).
Aim of the course -
Last update: Jirát Jiří Ing. Ph.D. (31.01.2014)
Students will be able to:
Understand knowledge discovery in data.
Last update: Jirát Jiří Ing. Ph.D. (13.01.2014)
Studenti budou umět:
základní postupy při vytěžování znalostí z dat, konkrétně se naučí základní techniky předzpracování dat, vizualizace vícerozměrných dat, statistické
techniky transformace dat, základní principy metod pro vytěžování znalostí.
budou mít povědomí o vztahu mezi zaujetím a variancí modelů a o vyhodnocení kvality modelů.
používat vytěžovací software.
kvalifikovaně použít základní nástroje data miningu na nejčastěji se vyskytujících problémech (klasifikace, regrese, shlukování).
Literature -
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
R:Larose, D. T. Discovering Knowledge in Data: An Introduction to Data Mining. Wiley-Interscience, 2004. ISBN 0471666572.
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
Z:Berka, P. Dobývání znalostí z databází. Praha: Academia, 2003. ISBN 80-200-1062-9.
Learning resources -
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
https://edux.fit.cvut.cz/courses/BI-VZD/
(login necessary)
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
https://edux.fit.cvut.cz/courses/BI-VZD/
(nutné přihlášení)
Syllabus -
Last update: Jirát Jiří Ing. Ph.D. (10.01.2014)
1. Introduction to data mining, data preparation, data visualization.
2. Statistical analysis of data.
3. Data model, nearest neighbour classifier.
4. Training, validation and testing, model's quality evaluation.