Data mining    (ETF RIO DM 51060)
 
Opće informacije
Naziv kursa Data mining
Oznaka (šifra) predmeta ETF RIO DM 51060
Studij ETF-B
Odsjek Računarstvo i informatika
Godina 5
Semestar 10
Tip Obavezni
Broj ECTS Bodova 5
Ukupno sati nastave 60
Broj sati predavanja 35
Broj sati vježbi 25
Broj sati tutorijala 0
Cilj kursa - Znanje i vještine koje treba postići student
Upoznavanje sa principima analize podataka u slučajnim kontekstima i pronalaženje novih relacija i informacija korisnih za strateško odlučivanje.
Upoznavanje sa elementima internog procesa pretraživanja, definisanjem cilja pretraživanja, prikupljanjem izabranih podataka, pripremom filtriranja, upoznavanje sa tehnikama i algoritmima data mininga.
Sticanje znanja potrebnih za izbor najpogodnije tehnike za rješavanje konkretnog problema otkrivanja znanja.
Sticanje znanaj o primjeni tehnika i algoritama data mininga kao i interpretacije i prezentacije dobijenih rezultata.
Program
UVOD U DATA MINING
1. strateško odlučivanje
2. strateško planiranje
3. proces otkrivanja znanja definisanje cilja
4. izbor izvornih podataka (text, WEB, immage)
TEHNIKE DATA MINING-a
5. uparivanje stringova, brute-force uparivanje stringova
6. algoritmi linearnog uređivanja, aparivanje na bazi konačnih automata, Knutt-Morris-Pratt algoritam, aproksimativno uparivanje, Wagner Fischer algoritam za računanje distanci u stringu,
7. klasifikacija, klasifikatori na bazi drveća odlučivanja, Bayesian klasifikatori, učitelji na bazi distance, mašine sa vektorskom podrškom,
8. fuzzy drveće odlučivanja,
9. clustering, mjere distanci i simbolički objekti, clustering kategorije, skalabilni clustering algoritmi, pristupi na bazi soft računarstva, hijerarhijski simbolički clustering , segmentacija
10. asocijativna pravila, generissanje kandidata i metode testa, pravila od interesa, multinivojska pravila, on-line generisanje pravila, generalizovana pravila, temporalna asocijativna pravila,
11. filtriranje i transformacija podataka, validacija i vizualizacija rezultata
ARHITEKTURE I STANDARDIZACIJA
12. arhitekture sistema data mininga standardizacija informacija dobivenih data miningom
Literatura
Obavezna literatura 1. Bilješke i slajdovi s predavanja (moci ce se preuzeti na web siteu Fakulteta).
2. Han, Kamber: Data Mining - Concepts and Techniques, Morgan Kaufmann, 2000.
Dopunska literatura 2. Hand, Mannila, Smyth: Principles of Data Mining, MIT Press, 2001
Didaktičke metode
Kroz predavanja studenti ce se upoznati sa teorijom, zadacima i aplikativnim primjerima u okviru tematskih jedinica. Predavanja se sastoje iz teoretskog dijela, prezentacionih opisnih primjera, geneze i rješavanja određehih zadataka. Na taj nači studenti će imati podloge za primjenom izučenog gradiva u inžinjerske aplikacije. Dodatni primjeri i ispitni zadaci razmatraju se i riješavaju tokom laboratorijskih vježbi. Izvođenje laboratorijskih vježbi i izrada zadaća omogućit će studentima kontinualan rad i provjeru znanja.
Način provjere znanja
Tokom trajanja kursa student prikuplja bodove prema slijedećem sistemu:
- prisustvo satima predavanja, vježbi i tutorijala: 10 bodova, student koji više od tri puta izostane s predavanja,vježbi i/ili tutorijala ne može ostvariti bodove po ovoj osnovi;
- izrada domaćih zadaća: maksimalno 10 bodova; predviđena je izrada od 5 do 10 domaćih zadaća ravnomjerno raspoređenih tokom semestra;
- parcijalni ispiti: dva pismena parcijalna ispita, pri čemu svaki pozitivno ocijenjen parcijalni ispit donosi 20 bodova;
Student koji je tokom trajanja semestra ostvario manje od 20 bodova ponovno upisuje ovaj kurs.Student koji je tokom trajanja semestra ostvario 40 i više bodova pristupa usmenom završnom ispitu; ovaj ispit sastoji se iz diskusije zadataka s parcijalnih ispita, domaćih zadaća i odgovora na jednostavna pitanja koja se odnose na teme kursa.
Usmeni završni ispit donosi maksimalno 40 bodova. Da bi postigao pozitivnu završnu ocjenu, student na ovom ispitu mora ostvariti minimalno 20 bodova. Student koji ne ostvari ovaj minimum pristupa usmenom dijelu popravnog ispita.
Student koji je tokom trajanja semestra ostvario 20 i više bodova, a manje od 40 bodova, pristupa popravnom ispitu. Popravni ispit struktuiran je na slijedeći način:
- pismeni dio koji je struktuiran na isti način kao i pismeni parcijalni ispit; u okviru ovog ispita student polaže zadatke iz tema za koje nije postigao prolaznu ocjenu (10 i više bodova) polažući parcijalne pismene ispite,
- usmeni dio koji je struktuiran na isti način kao usmeni dio završnog ispita.
Usmenom dijelu popravnog ispita može pristupiti student koji je nakon polaganja posmenog dijela popravnog ispita uspio stvariti ukupan skor od 40 i više bodova; ovaj skor sastoji se od bodova ostvarenih kroz: prisustvo nastavi, izradu domaćih zadaća, polaganje parcijalnih sipita i polaganje pismenog dijela popravnog ispita.
Usmeni popravni ispit donosi maksimalno 40 bodova. Da bi postigao pozitivnu završnu ocjenu student na ovom ispitu mora ostvariti minimalno 20 bodova. Student koji ne ostvari ovaj minimum ponovno upisuje ovaj kurs.
Napomene