1. SylabUZ
2. Faculty of Mathematics, Computer Science and Econometrics
3. summer term 2022/2023
4. Data Engineering - Second-cycle studies leading to MS degree
5. Practical Applications of Data Mining Systems

Generate PDF for this page

Practical Applications of Data Mining Systems - course description

Aim of the course

Nabycie umiejętności modelowania wymagane do zrozumienia i przechowywanie dużych danych dużych zbiorów danych. 

Wykorzystanie umiejętności do podejmowania decyzji, takich jak: wykrywanie raka, wykrywanie oszustw, segmentacja klientów i przewidywanie przestojów maszyn.

Poznanie procesu eksploracji danych i techniki modelowania za pomocą jednego programu IBM SPSS Modeler.

Tworzenie modeli na podstawie wyselekcjonowanych danych, testowanie modeli z danymi historycznym, użycie danych  bieżących.

Prerequisites

Save changes

Podstawowa znajomość statystyki.

Scope

. Wprowadzenie do eksploracji danych

1. Metodologia CRISP-DM
2. Wprowadzenie do SPSS Modeler - predykcyjny warsztat do eksploracji danych
3. Interfejs SPSS Modeler

2. Proces wyszukiwania danych

1. Zrozumienie biznesu
2. Zrozumienie danych
3. Przygotowywanie danych

3. Techniki modelowania

1. Wprowadzenie do technik modelowania

1. Analiza klastra (nauka bez nadzoru)
2. Klasyfikacja i przewidywanie (nadzorowane uczenie się)
3. Klasyfikacja - szkolenie i testowanie
4. Pobieranie próbek w klasyfikacji
5. Predictive Modeling Algorithms w SPSS Modeler
6. Automatyczny wybór algorytmów

4. Ocena modelu

1. Dane do oceny wydajności
2. Dokładność jako narzędzie oceny wydajności
3. Pokonywanie ograniczeń dokładności
4. ROC Curves

5. Wdrożenie na IBM Bluemix

1. Ocena nowych danych
2. Wdrożenie modelu predykcyjnego
3. Czym jest IBM Bluemix?
4. Modelowanie predykcyjne: wdrożenie w chmurze
5. Usługi współpracy i wdrażania SPSS

Teaching methods

Wykład konwencjonalny, wykład problemowy. Ćwiczenia laboratoryjne. Dyskusja.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Ocena z laboratorium wystawiana będzie na podstawie wyników z kolokwium i/lub projektów (80%) oraz aktywności na zajęciach (20%).

Recommended reading

1. Axel Buecker, Theresa Morelli, Colin Shearer, IBM SPSS predictive analytics: Optimizing decisions at the point of impact, An IBM Redguide publication 2010.

Further reading

Notes

Modified by dr Alina Szelecka (last modification: 19-05-2022 21:49)