Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Metody eksploracji danych w odkrywaniu wiedzy

Informacje ogólne

Kod przedmiotu: 103C-INxxx-MSP-MED
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Metody eksploracji danych w odkrywaniu wiedzy
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Metody )-Sztuczna inteligencja-mgr.-EITI
( Przedmioty techniczne )---EITI
( Przedmioty zaawansowane )-Inżynieria systemów informatycznych-mgr.-EITI
( Przedmioty zaawansowane obieralne )-Systemy informacyjno-decyzyjne-mgr.-EITI
( Przedmioty zaawansowane techniczne )--mgr.-EITI
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

MED

Numer wersji:

3

Skrócony opis:

Na treść wykładu składa się szeroki zakres tematów z dziedziny eksploracji danych. Zostaną przedstawione metody odkrywania różnych typów wiedzy (takich jak np. reguły asocjacyjne i decyzyjne, wzorce sekwencyjne) z dużych zasobów danych oraz metody efektywnego pozyskiwania wiedzy poprzez stosowanie zwięzłych bezstratnych reprezentacji. Przedstawione zostaną także bardzo wydajne metody wyszukiwania duplikatów obiektów, grupowania i klasyfikacji danych, umożliwiające wykonanie tych zadań nawet o kilka rzędów wielkości szybciej niż przy zastosowaniu standardowych algorytmów. Omówione zostanie wykorzystanie impulsowych sieci neuronowych do prognozowania. Zaprezentowane będą metody odkrywania zależności funkcyjnych i przybliżonych pomiędzy zbiorami atrybutów. Omówione zostaną zagadnienia wnioskowania z niepełnych danych i na podstawie wiedzy częściowej.

Pełny opis:

Na treść wykładu składa się szeroki zakres tematów z dziedziny eksploracji danych. Zostaną przedstawione metody odkrywania różnych typów wiedzy (takich jak np. reguły asocjacyjne i decyzyjne, wzorce sekwencyjne) z dużych zasobów danych oraz metody efektywnego pozyskiwania wiedzy poprzez stosowanie zwięzłych bezstratnych reprezentacji. Przedstawione zostaną także bardzo wydajne metody wyszukiwania duplikatów obiektów, grupowania i klasyfikacji danych, umożliwiające wykonanie tych zadań nawet o kilka rzędów wielkości szybciej niż przy zastosowaniu standardowych algorytmów. Omówione zostanie wykorzystanie impulsowych sieci neuronowych do prognozowania. Zaprezentowane będą metody odkrywania zależności funkcyjnych i przybliżonych pomiędzy zbiorami atrybutów. Omówione zostaną zagadnienia wnioskowania z niepełnych danych i na podstawie wiedzy częściowej.

Literatura:

  • Morzy T., Eksploracja danych, Metody i algorytmy, Wydawnictwo Naukowe PWN, 2013
    Han J., Kamber M., Pei, J., Data Mining: Concepts and Techniques, The Morgan Kaufmann Series in Data Management Systems, 3rd edition, Morgan Kaufmann, 2011

  • Kryszkiewicz M., Concise Representations of Frequent Patterns and Association Rules, Prace Naukowe, Elektronika, Oficyna Wydawnicza Politechniki Warszawskiej, z. 142 (2002)

Zajęcia w cyklu "rok akademicki 2022/2023 - sem. zimowy" (w trakcie)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Projekt, 30 godzin, 42 miejsc więcej informacji
Wykład, 30 godzin, 42 miejsc więcej informacji
Koordynatorzy: Marzena Kryszkiewicz
Prowadzący grup: Jarosław Chudziak, Marzena Kryszkiewicz, Grzegorz Protaziuk
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. letni" (zakończony)

Okres: 2022-02-23 - 2022-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Projekt, 30 godzin, 36 miejsc więcej informacji
Wykład, 30 godzin, 36 miejsc więcej informacji
Koordynatorzy: Marzena Kryszkiewicz
Prowadzący grup: Robert Bembenik, Jarosław Chudziak, Marzena Kryszkiewicz, Grzegorz Protaziuk
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. zimowy" (zakończony)

Okres: 2021-10-01 - 2022-02-22
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Projekt, 30 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Marzena Kryszkiewicz
Prowadzący grup: Robert Bembenik, Marzena Kryszkiewicz, Grzegorz Protaziuk
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (zakończony)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Projekt, 30 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Marzena Kryszkiewicz
Prowadzący grup: Robert Bembenik, Jarosław Chudziak, Marzena Kryszkiewicz, Grzegorz Protaziuk
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. zimowy" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Projekt, 30 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Marzena Kryszkiewicz
Prowadzący grup: Robert Bembenik, Marzena Kryszkiewicz, Grzegorz Protaziuk
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.
pl. Politechniki 1, 00-661 Warszawa tel: (22) 234 7211 https://pw.edu.pl kontakt deklaracja dostępności USOSweb 6.8.0.0-7 (2022-11-16)