Politechnika rzeszowska



Pobieranie 62,11 Kb.
Data04.02.2018
Rozmiar62,11 Kb.

POLITECHNIKA RZESZOWSKA ZAŁĄCZNIK DO

Im. IGNACEGO ŁUKASIEWICZA ZARZĄDZENIA NR 24/2000

W RZESZOWIE REKTORA PRZ z dnia 13 listopada 2000 r.



WYDZIAŁ

BUDOWY MASZYN I LOTNICTWA


KIERUNEK

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI


SPECJALNOŚĆ

INFORMATYKA W ZARZĄDZANIU PRZEDSIĘBIORSTWEM


RODZAJ STUDIÓW

magisterskie, dzienne


K A R T A P R Z E D M I O T U





N A Z W A

P R Z E D M I O T U



WIELOWYMIAROWA ANALIZA I EKSPLORACJA DANYCH

IMIĘ I NAZWISKO, STOPIEŃ, TYTUŁ NAUKOWY, NAUCZYCIELA AKADEMICKIEGO ODPOWIEDZIALNEGO ZA PRZEDMIOT

(NR. TELEFONU, ADRES E-MAIL)

Galina Setlak dr hab. inż., prof. nadz, 85-61-433, gsetlak@prz.rzeszow.pl




Z A K Ł A D / K A T E D R A
Zakład Informatyki





R O D Z A J Z A J Ę Ć

REALIZOWANYCH W

RAMACH PRZEDMIOTU


W*


s e m e s t r: . .9....


Ć*

s e m e s t r: .......





L*


s e m e s t r: 9........



P*


s e m e s t r: ........



K*


s e m e s t r: ........


L I C Z B A G O D Z I N

PROWADZONYCH ZAJĘĆ

W DANYM S E M E S T R Z E





30 godz





15 godz.











TEMATYKA ZAJĘĆ** WG PROWADZONYCH RODZAJÓW ZAJĘĆ



LICZBA


GODZIN

WYKŁAD:

  1. Wielowymiarowa analiza danych w systemach wspomagania decyzji. Współczesne narzędzia do wielowymiarowej analizy danych i raportowania. Hurtownia danych środowiskiem do wielowymiarowej analizy i eksploracji danych. Pojęcia podstawowe: tabele faktów, wymiarów, miary, kostki wielowymiarowe, agregacje, metadane. Miejsce hurtowni danych w systemach informatycznych - porównanie z systemami tradycyjnymi.

  2. Hurtownie Danych (HD) w systemach wspomagania decyzji. Architektura hurtowni. Źródła danych i ich rodzaje. Moduły HD. Modele danych w hurtowni. Narzędzia programowe umożliwiające integrację BD. Zarządzanie i optymalizacja pamięci w HD.. Wielowymiarowe, relacyjne i hybrydowe modele danych stosowane w hurtowni. Struktury danych typu gwiazda, płatek śniegu. Administrowanie hurtownią danych. Planowanie i projektowanie systemu analitycznego przedsiębiorstwa. Architektura systemu informa­tycz­nego z hurtownią danych. Źródła danych i ich rodzaje. Moduły hurtowni danych.

  3. Eksploracja danych w kontekście procesu pozyskiwania wiedzy. Pojęcia podstawowe, przyczyny rozwoju eksploracji danych. Przegląd celów i zadań eksploracji danych. Główne dziedziny zastosowań. Przegląd zadań eksploracji danych. Omówienie i przykłady zadań klasyfikacji, estymacji, predykcji, grupowania, uogólnienia.

  4. Przegląd technik eksploracji danych (metody statystyczne: analiza dyskryminacyjna, regresja logistyczna, sieci neuronowe: wielowarstwowy perceptron, Kohonena, Hamminga, drzewa decyzyjne, analiza skupień, metody uczenia maszynowego, metody ewolucyjne, logika rozmyta, zbiory przybliżone). Omówienie i przykłady technik sieci neutronowych, algorytmów genetycznych. Przykłady zastosowań i rozwiązań. Studium przypadku dla rozwiązań w zarządzaniu relacjami z klientami.

  5. Analiza skupień. Podstawowe pojęcia odległości taksonomicznej, miary i odległości (odległość euklidesowa, odległość Czebyszewa, Minkowskiego. Techniki grupowania: aglomaracyjne i podziałowe. Algorytmy aglomeracyjnego skupiania. Metody skupiania: metoda K-średnich, medianowa, metoda minimalnej wariancji.

2 h
4h

4h

4h

2h







  1. Podstawy teorii zbiorów rozmytych i logiki rozmytej. Wnioskowanie rozmyte. Rozmyta metoda analizyskupień.

  2. Eksploracja danych internetowych. Charakterystyka danych internetowych. Próbkowanie danych internetowych. Przechowywanie danych internetowych w bazie danych. Zastosowanie metod eksploracji danych dla modelowania zachowania odwiedzających witrynę internetową. Przykłady narzędzi eksploracji w bazach danych i w Internecie.

  3. Techniki OLAP w Excel. Tabele przestawne i raporty przestawne.

  4. Integracja HD z arkuszem kalkulacyjnym. Wybór źródła danych, tworzenie interfejsu
    użytkownika. Prezentacja graficzna wyników.


  5. Implementacja przykładowych algorytmów eksploracji danych w aplikacji bazodanowej. Określenie procesu pozyskiwania wiedzy z baz danych. Sformułowanie zadania drążenia danych. Analiza elementów algorytmu eksploracji. Oprogramowanie modułu transformacji danych. Realizacja algorytmu drążenia. Interpretacja uzyskanych wyników.

  6. Usługi analityczne. Aspekty teoretyczne i praktyczne przetwarzania danych: OLTP i OLAP.
    Analityczne rzetwarzanie na bieżąco OLAP. Projektowanie systemu OLAP.

  7. Zgłębianie i analiza danych w Microsoft SGL Server 2000. Przykłady i zastosowania.

2h

2h


2h
2h

2h


2h
2h

ŁĄCZNIE LICZBA GODZIN


30 godzin

LABORATORIUM:

1. Eksploracja danych. Metody i techniki eksploracji. Obszary zastosowań. Klasyfikacja danych za pomocą sieci neuronowych MLP, RBF. Symulacja sieci neuronowych za pomocą Statistica Neural Networks.



2. Grupowanie - segmentacja. Sieci neuronowe Kohonena. Predykcja. Progonozowanie szeregów czasowych za pomocą probabilistycznych sieci neuronowych PNN i GRNN.

3. Wielowymiarowa analiza danych w arkuszach kalkulacyjnych MS Excel.Tabele i raporty przestawne.

4. Model relacyjny a model wielowymiarowy. Model płatka gwiazdy, płatka śniegu i konstelacji faktów. Problemy wydzielania, transformacji i ładowania. Główne problemy hurtowni danych. Procesy KDD. Selekcja. Oczyszczanie. Wzbogacanie. Kodowanie (transformacja). Raportowanie.

5. Kostka wielowymiarowa. MOLAP, ROLAP, HOLAP. Operacje OLAP.

6. Drzewa decyzyjne.

7. Kolokwium zaliczeniowy

2h
2h


2h
3h
2h

2h

2h



RAZEM

15 h

L. p.

WYKAZ ZALECANEJ LITERATURY

1.
2.

3.

4.



5.

6.


M. Lasek: Data mining. Zastosowania w analizach i ocenach klientów bankowych, 2002, Wyd. Bankowość, W-wa

Zieliński J.S. (red.), Inteligentne systemy w zarządzaniu. Teoria i praktyka, PWN, Warszawa 2000.

Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienie finansowe, Wydawnictwo C.H. Beck, Warszawa 2002.

Seidman C. : Zgłębianie i analiza danych, Przewodnik techniczny MS Press, W-wa, 2002.

M. Dec System SAS, 1997.

David Hand, Heikki Mannila, P. Smyth: Eksploracja danych, WNT, W-wa, 2005






FORMA I WARUNKI ZALICZENIA PRZEDMIOTU (RODZAJU ZAJĘĆ)

Laboratorium: zaliczenie pisemne, kolokwium. Przedmiot kończy się egzaminem. Warunkiem dopuszczenia do egzaminu jest uzyskanie zaliczenia z laboratorium.


P O D P I S Y :
................................................................................................................................................................................

nauczyciela akademickiego odpowiedzialnego za przedmiot data

................................................................................................................................................................................



kierownika zakładu/katedry akceptującego kartę data



©operacji.org 2017
wyślij wiadomość

    Strona główna