SylabUZ

Wygeneruj PDF dla tej strony

Wprowadzenie do hurtowni danych i baz wiedzy - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Wprowadzenie do hurtowni danych i baz wiedzy
Kod przedmiotu 11.3-WI-INFP-WHDiBW
Wydział Wydział Informatyki, Elektrotechniki i Automatyki
Kierunek Informatyka
Profil ogólnoakademicki
Rodzaj studiów pierwszego stopnia z tyt. inżyniera
Semestr rozpoczęcia semestr zimowy 2017/2018
Informacje o przedmiocie
Semestr 6
Liczba punktów ECTS do zdobycia 5
Typ przedmiotu obieralny
Język nauczania polski
Sylabus opracował
  • dr hab. inż. Artur Gramacki, prof. UZ
Formy zajęć
Forma zajęć Liczba godzin w semestrze (stacjonarne) Liczba godzin w tygodniu (stacjonarne) Liczba godzin w semestrze (niestacjonarne) Liczba godzin w tygodniu (niestacjonarne) Forma zaliczenia
Wykład 15 1 9 0,6 Zaliczenie na ocenę
Laboratorium 30 2 18 1,2 Zaliczenie na ocenę
Projekt 15 1 9 0,6 Zaliczenie na ocenę

Cel przedmiotu

  1. Zapoznanie studenta z zasadami działania i możliwościami współczesnych systemów hurtowni danych oraz systemów eksploracji danych.
  2. Ukształtowanie umiejętności w zakresie wstępnego przygotowywania danych oraz zasilania w dane systemów hurtowni danych i systemów eksploracji danych.
  3. Ukształtowanie umiejętności w zakresie efektywnego dostępu do danych w kontekście hurtowni danych i systemów eksploracji danych.
  4. Ukształtowanie umiejętności w zakresie przeprowadzania typowych zadań eksploracyjnych na posiadanych danych.

Wymagania wstępne

Bazy danych, Algorytmy i struktury danych

Zakres tematyczny

Hurtownie danych (ang. data warehouse). Architektura hurtowni danych. Modelowanie (struktury danych typu ROLAP, MOLAP). Zasilanie hurtowni danych (procesy ETL) oraz odświeżanie hurtowni danych. Wsparcie dla hurtowni ze strony języka SQL - funkcje analityczne. Indeksowanie oraz optymalizacja zapytań. Perspektywy zmaterializowane.

Eksploracja danych (ang. data mining). Omówienie podstawowych zagadnień związanych z dziedziną eksploracji danych. Związek eksploracja danych z hurtowniami danych oraz bazami o charakterze transakcyjnym. Wstępne przetwarzanie danych (czyszczenie, integracja, transformacja, redukcja liczności i wymiarowości, określanie ważności atrybutów). Budowanie modeli do celów szacowania (estymacji) i przewidywania (predykcji). Regresja. Odkrywanie osobliwości. Klasyfikacja danych. Grupowanie danych. Reguły asocjacyjne (analiza koszyka sklepowego, zbiory częste). Odkrywanie wzorców sekwencji. Ważność atrybutów. Wykrywanie anomalii. Wydobywanie z danych cech istotnych. Eksploracja danych potokowych i szeregów czasowych. Eksploracja struktur grafowych oraz sieci Web. Eksploracja tekstu. Wybrane środowiska informatyczne związane z tworzeniem i obsługą hurtowni danych oraz systemów eksploracji danych.

Metody kształcenia

wykład: zajęcia praktyczne, wykład konwencjonalny

laboratorium: ćwiczenia laboratoryjne

projekt: praca w grupach, metoda projektu

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z kolokwiów pisemnych lub ustnych przeprowadzonych co najmniej raz w semestrze.  

Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń wydanych w semestrze. 

Projekt - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich projektów wydanych w semestrze.

Składowe oceny końcowej = wykład: 30% + laboratorium: 30% +  projekt: 40%

Literatura podstawowa

  1. Larose D.: Odkrywanie wiedzy z danych, Wydawnictwo Naukowe PWN, Karwasza, 2006. 
  2. Larose D.: Metody I modele eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa, 2007
  3. Larose D., Markov Z.: Eksploracja zasobów internetowych, Analiza struktury, zawartości i użytkowania sieci WWW, Wydawnictwo Naukowe PWN, Warszawa, 2010
  4. Hand D., Mannila H., Smyth P.: Eksploracja danych, WNT, 2005. 

Literatura uzupełniająca

  1. Cichosz P.: Systemy uczące się, WNT, 2000. 
  2. Beynon-Davies P.: Systemy baz danych, Wydawnictwa Naukowo-Techniczne, 2005. 
  3. Todman Ch.: Projektowanie hurtowni danych. Zarządzanie kontaktami z klientami (CRM), Wydawnictwa Naukowo-Techniczne, 2005.
  4. Data Mining: Concepts and Techniques, J. Han, M. Kamber, Morgan Kaufman, 2000.
  5. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, I. H. Witten, E. Frank, Morgan Kaufman, 2000.
  6. Principles of Data Mining, J. Hand, H. Mannila, P. Smyth, MIT Press, 2001.

Uwagi


Zmodyfikowane przez prof. dr hab. inż. Andrzej Obuchowicz (ostatnia modyfikacja: 19-04-2017 11:37)