SylabUZ
Course name | Web mining |
Course ID | 11.3-WE-BEP-EZI |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | E-business |
Education profile | practical |
Level of studies | First-cycle studies leading to Engineer's degree |
Beginning semester | winter term 2016/2017 |
Semester | 5 |
ECTS credits to win | 4 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | 9 | 0,6 | Credit with grade |
Project | 30 | 2 | 18 | 1,2 | Credit with grade |
podstawy analityki biznesowej
Analiza struktury sieci WWW. Wyszukiwanie informacji tekstowych i wyszukiwanie w Internecie: wyszukiwarki internetowe; roboty internetowe; indeksowanie i wyszukiwanie według słów kluczowych; ocena jakości wyszukiwania; wyszukiwanie miar podobieństwa. Ranking oparty o strukturę połączeń: analiza sieci społecznych; algorytm PageRank; autorytety i koncentratory; wyszukiwanie oparte na podobieństwie strukturalnym.
Analiza zawartości sieci WWW. Grupowanie: aglomeracyjne grupowanie hierarchiczne; algorytm k-średnich; grupowanie oparte na prawdopodobieństwie; techniki wspólnego
filtrowania. Ocena grupowania: probabilistyczne funkcje kryterialne; minimalna długość opisu i ocena cech; ocena za pomocą odwzorowania klas do grup; entropia. Klasyfikacja: algorytm najbliższego sąsiada; wybór cech; naiwny algorytm Bayesa; relacyjne uczenie się.
Analiza użytkowania sieci WWW. Wstępne przetwarzanie danych: czyszczenie i filtrowanie; analiza kliknięć; identyfikacja użytkownia i sesji; katalogi i przypisanie kategorii. Eksploracyjna analiza użytkowania: liczba żądań w sesji; zależność między długością sesji a liczbą żądań użytkownika; średni czas na stronę; czas dla pojedynczych stron. Modelowanie użytkowania sieci WWW: grupowanie; reguły asocjacyjne; klasyfikacja.
Analityka Text Mining. Klasyfikacja dokumentów. Ontologie. Ekstrakcja informacji. Klasteryzacja. Analiza trendu. Eksploracyjny text mining. Analiza sentymentu.
Wykład - wykład konwencjonalny.
Projekt - zajęcia praktyczne w laboratorium komputerowym.
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład – uzyskanie oceny pozytywnej ze sprawdzianu w formie pisemnej i/lub ustnej, przeprowadzonego na koniec semestru.
Projekt – ocena końcowa stanowi sumę ważoną ocen uzyskanych za realizację poszczególnych elementów projektu oraz formy jego prezentacji. Wkład poszczególnych elementów oceny: ocena projektu - 75%, wizualna forma prezentacji projektu 25%.
Ocena końcowa = 50 % oceny zaliczenia z formy zajęć wykład + 50 % oceny zaliczenia z formy zajęć projekt.
Modified by dr hab. inż. Marcin Mrugalski, prof. UZ (last modification: 29-09-2016 21:14)