Web mining - course description

General information

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

Course information

Semester	5
ECTS credits to win	4
Course type	obligatory
Teaching language	polish
Author of syllabus	prof. dr hab. inż. Dariusz Uciński

Classes forms

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

Aim of the course

zapoznanie studentów z podstawowymi modelami i technikami odkrywania informacji znajdujących się w sieci Internet
zapoznanie ze sposobami działania algorytmów text mining
ukształtowanie umiejętności eksploracji zasobów internetowych w oparciu o oprogramowanie statystyczne.

Prerequisites

podstawy analityki biznesowej

Scope

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.

Teaching methods

Wykład - wykład konwencjonalny.
Projekt - zajęcia praktyczne w laboratorium komputerowym.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

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.

Notes

Modified by dr hab. inż. Marcin Mrugalski, prof. UZ (last modification: 29-09-2016 21:14)

Generate PDF for this page