- Nazwa przedmiotu:
- Statystyczna eksploracja danych
- Koordynator przedmiotu:
- dr inż. Julian Sienkiewicz
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Fizyka Techniczna
- Grupa przedmiotów:
- Obowiązkowe
- Kod przedmiotu:
- Semestr nominalny:
- 3 / rok ak. 2009/2010
- Liczba punktów ECTS:
- 3
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- Język prowadzenia zajęć:
- polski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład30h
- Ćwiczenia0h
- Laboratorium0h
- Projekt0h
- Lekcje komputerowe0h
- Wymagania wstępne:
- W przygotowaniu
- Limit liczby studentów:
- Cel przedmiotu:
- W przygotowaniu
- Treści kształcenia:
- 1. Pojęcia eksploracji danych (data mining) i składniki sztucznej inteligencji (artificial intelligence)
2. Twierdzenie Bayesa, klasyfikator bayesowski, sieci bayesowskie.
3. Analiza regresji: liniowa, logistyczna, nieparametryczna
4. Zbiory rozmyte. zastosowanie logiki rozmytej.
5. Analiza skupień: metody hierarchiczne, metoda K-średnich, metoda c-średnich.
6. Analiza składowych głównych, skalowanie wielowymiarowe.
7. Drzewa klasyfikacyjne (decyzyjne),
8. Elementy wielokryterialnego podejmowania decyzji. Systemy ekspertowe.
- Metody oceny:
- Dwa kolokwia + projekt
- Egzamin:
- Literatura:
- [1] L. Rutkowski, Metody i techniki sztucznej inteligencji, PWN, Warszawa 2005
[2] D. Larose, Metody i modele eksploracji danych, PWN, Warszawa 2008.
[3] D. Hand, H. Manilla, P. Smyth, Eksploracji danych, WNT, Warszawa 2005.
[4] J. Koronacki, J. Ćwik, Systemy uczące się: rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, WNT, Warszawa 2008
- Witryna www przedmiotu:
- Uwagi:
Efekty uczenia się