Cílem předmětu je seznámit s moderními metodami dolování dat a jejich souvislostmi s matematickými metodami lineární algebry, logiky, statistiky a optimalizace.

Du, H., Data Mining Techniques and Applications: An Introduction, Cengage Learning, 2010.

Olson, D.L., Delen, D, Advanced Data Mining Techniques, Springer Science & Business Media, 2008.

Murty, M.N., Devi, V.S., Pattern Recognition: An Algorithmic Approach, Springer Science & Business Media, 2011.

Duda, R.O., Hart, P.E., Stork, D.G., Pattern Classification, John Wiley & Sons, 2012.

1. Dolování dat, jeho smysl, příprava dat pro zpracování.

2. Dolování dat v metrickém prostoru, metriky, jednoduché metody.

3. Pokročilé metody dolování dat v metrickém prostoru bez učitele: DBSCAN, SOM.

4. Pokročilé metody dolování dat v metrickém prostoru: klasifikátory s jádrovými funkcemi.

5. Dolování dat ve vektorovém prostoru, normalizace a standardizace dat, jednoduché metody.

6. Redukce dimenze dat bez učitele: PCA, data whitening, duální whitening.

7. Klasifikace dat ve vektorovém prostoru: maxmargin, SVM, ANN, RVFL.

8. Dolování dat pomocí Booleovy algebry.

9. Dolování dat pomocí fuzzy logiky: Lukasiewiczova a Gougenova algebra.

10. Dolování dat pomocí matematické statistiky: LDA, QDA, FDA, logistická regrese.