Wstęp do data mining

Wprowadzenie do Eksploracji Danych ma na celu przybliżenie zagadnień i problematyki związanej z procesem automatycznego odkrywania nietrywialnych, dotychczas nieznanych, potencjalnie użytecznych reguł, zależności, wzorców schematów, podobieństw lub trendów w zbiorach danych. Zajęcia odbywać się będą konwencji problemowej - na przykładzie konkretnych problemów (systemy rekomendujących, grupowania itp) wprowadzane są narzędzia oraz podstawowa teoria.

Program:

(2h) Wprowadzenie do problematyki eksploracji danych, zapoznanie się z narzędziami oraz literaturą, organizacja pracy

(2h) Reprezentacja cech oraz notacja podobieństwa na przykładzie systemu rekomendującego

(2h) Narzędzia i struktury danych, prezentacja wyników

(2h) Regresja liniowa

(2h) Czyszczenie danych i klasyfikacja

(2h) Klasyfikacja - metody ewaluacji wyników

(2h) Przegląd metod klasyfikacji (drzewa decyzyjne, svm, lasy losowe, boosting), koncepcja over-fitting

(2h) Grupowanie

(2h) Implementacja algorytmu grupującego k-means

(2h) Analiza Tekstów - podstawowy model (BOW i TF-IDF) oraz podobieństwo LSA (opartę o dekompozycje macierzy SVD)

(2h) Modele n-gramowe

(2h) Detekcja obiektów odstających.

(2h) Szeregi Czasowe - kroczące okna, reprezentacja cech na przykładzie klasyfikacji aktywności,

(2h) Analiza obrazów - przygotowanie danych, segmentacja i klasyfikacja na przykładzie OCR

(4h) Omówienie projektów zaliczeniowych oraz prezentacje

1. Zadania cząstkowe (K_W01, K_W04, K_W06, K_W08, K_W10)

- zaliczenie

2. wykonanie projektu z zakresu analizy wybranego problemu oraz referat

- wykonanie projektu w wersji minimalnej na postawie materiałów uzyskanych na zajęciach -- ocena 3, 3+

- wykonanie projektu ze szczególną starannością (wybranie odpowiedniego modelu i narzędzi, wyniki uzyskane i prezentowane w sposób zgodny ze sztuka) -- ocena: 4, 4+

- wykonanie projektu przy użyciu narzędzi i metody z wykorzystaniem literatury przedmiotu -- ocena: 5+