1. SylabUZ
2. Faculty of Computer Science, Electrical Engineering and Automatics
3. winter term 2021/2022
4. E-business - First-cycle studies leading to Engineer's degree
5. Data mining

Generate PDF for this page

Data mining - course description

Aim of the course

Prezentacja oprogramowania wykorzystywanego do eksploracji danych. Zapoznanie słuchaczy z metodami wstępnego przetwarzania danych. Prezentacja metod klasyfikacji danych. Miary oceny klasyfikacji. Prezentacja metod odkrywania asocjacji. Prezentacja metod klasteryzacji danych.  Wykształcenie praktycznych umiejętności obsługi wybranych systemów eksploracji danych. Wykształcenie umiejętności w zakresie stosowania metod eksploracji danych w e-biznesie (segmentacji klientów, strategii cross-sellingu, wykrywaniu nadużyć).

 

Prerequisites

Save changes

Scope

Przegląd i charakterystyka oprogramowania wykorzystywanego do eksploracji danych. Zapoznanie z oprogramowaniem do eksploracji danych.  Struktury danych wykorzystywane w eksploracji danych. Typy i skale zmiennych w zadaniach eksploracji danych.

Przygotowanie danych do eksploracji. Profilowanie danych. Czyszczenie danych. Próbkowanie danych. Transformacja zmiennych. Selekcja zmiennych.

Klasyfikacji danych. Klasyfikacja danych za pomocą drzew klasyfikacyjnych, sieci neuronowych, regresji logistycznej. Miary oceny klasyfikacji. Ćwiczenia praktyczne z wykorzystania poznanych metod klasyfikacji danych. 

Odkrywanie wzorców asocjacji.  Miary opisujące statystyczną ważności i siłę reguł asocjacji. Problem analizy koszyka zakupów. Złożoność obliczeniowa problemu odkrywania reguł asocjacji. Omówienie algorytmu Apriori. Ćwiczenia praktyczne z wykorzystaniem poznanych metod odkrywania reguł asocjacjii.

Definicja zagadnienia klasteryzacji danych. Metody grupowania hierarchicznego. Metody grupowania iteracyjno-optymalizacyjnego. Miary odległości stosowane w klasteryzacji. Wyznaczanie charakterystyk klastrów. Metody szacowania liczby klastrów. Ćwiczenia praktyczne z wykorzystania poznanych metod klasteryzacji danych.

 

Teaching methods

Wykład - wykład konwencjonalny z wykorzystaniem wideoprojektora.
Laboratorium - ćwiczenia praktyczne w laboratorium komputerowym.

 

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych oceny z testu z pytaniami zamkniętymi i otwartymi na koniec semestru oraz z pracy pisemnej. Ocena końcowa jest średnią arytmetyczną z dwóch uzyskanych ocen.

Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze sprawozdań do wszystkich ćwiczeń laboratoryjnych.

Składowe oceny końcowej = wykład: 50% + laboratorium: 50%

Recommended reading

1. Foreman J.W., Mistrz analizy danych Od danych do wiedzy, Helion, 2017
2. Lasek M.,  Pęczkowski M., Enterprise Miner. Wykorzystywanie narzędzi Data Mining w systemie SAS, Wydawnictwa Uniwersytetu Warszawskiego, 2017.
3. Morzy T.: Eksploracja danych. Metody i algorytmy., Warszawa, PWN, 2013.
4. Osowski S., Metody i narzędzia eksploracji danych, BTC, 2013.
5. Provost F., Fawcett T., Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji, Onepress, 2014.
6. Larose D. T., Metody i modele eksploracji danych, Warszawa, PWN, 2008.
7. Kwiatkowska A. M., Systemy wspomagania decyzji: jak korzystać z wiedzy i informacji w praktyce, Warszawa, PWN, 2007.
8. Hand D., Mannila H., Smyth P., Eksploracja danych, Warszawa, WNT, 2005.
9. Larose D. T., Odkrywanie wiedzy z danych, Warszawa, PWN, 2006.

Further reading

1. Aggarwal C.C.: Data Mining, Springer, 2015.
2. Alexander M., Decker J., Wehbe B.: Zaawansowane wykorzystanie Excela. Analizy Business Intelligence, Helion, 2015.
3. Stąpor K., Automatyczna klasyfikacja obiektów, EXIT, 2005.
4. Han J., Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann, 2011.
5. Hand D., Mannila H., Smyth P., Eksploracja danych, Warszawa, WNT, 2005.
6. Larose D. T., Odkrywanie wiedzy z danych, Warszawa, PWN, 2006.

Notes

Modified by dr hab. inż. Marek Kowal, prof. UZ (last modification: 04-05-2021 14:56)