Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Data Mining
Koordynator przedmiotu:
dr inż. Krzysztof Bry?
Status przedmiotu:
Fakultatywny dowolnego wyboru
Poziom kształcenia:
Studia I stopnia
Program:
Informatyka
Grupa przedmiotów:
Electives
Kod przedmiotu:
brak
Semestr nominalny:
7 / rok ak. 2009/2010
Liczba punktów ECTS:
4
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
  • Laboratorium15h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Computer Statistics
Limit liczby studentów:
Cel przedmiotu:
The course introduces principles and techniques of data mining. It emphasizes the advantages and disadvantages of using these methods in real world systems, and provides hands-on experience.
Treści kształcenia:
Data Mining model and methods
Metody oceny:
Lab: project (max 40 pts) ? max 20pts for documentation and max 20pts for computer implementation, preparation of data sets and tests, presentation. Lecture: multiple choice test (max 60pts) ? 20 questions, +3 pts for each correct mark, -3 pts for each wrong mark. Both parts (project and test) have to be passed. (at least 21 pts for the lab and at least 31 pts for the test). Final grade:51-60 pts = 3.0, 61-70 pts = 3.5, 71-80 pts = 4.0, 81-90 pts = 4.5, 91-100 pts = 5.0.
Egzamin:
Literatura:
1. M. Berry, G. Linoff, Mastering Data Mining, John Wiley & Sons, 2000. 2. U. Fayyad, G.Piatetsky-Shapiro, P. Smyth, R.Uthurusamy, Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, 1996. 3. J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, 1996. 4. N. Indurkhya, S.M. Weiss, Predictive Data Mining: A Practical Guide, Morgan Kaufmann,1997.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się