Karta przedmiotu_WAiED_5PDF

ZAŁĄCZNIK DO
ZARZĄDZENIA NR 24/2000
REKTORA PRZ z dnia 13 listopada 2000 r.
POLITECHNIKA RZESZOWSKA
Im. IGNACEGO ŁUKASIEWICZA
W RZESZOWIE
BUDOWY MASZYN I LOTNICTWA
WYDZIAŁ
ZARZĄDZANIE I INŻYNIERIA PRODUKCJI
KIERUNEK
INFORMATYKA W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
SPECJALNOŚĆ
RODZAJ STUDIÓW
magisterskie, dzienne
KARTA PRZEDMIOTU
N AZWA
P RZEDMIOTU
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, [email protected]
ZAKŁAD/KATEDRA
Zakład Informatyki
RODZAJ ZAJĘĆ
REALIZOWANYCH W
RAMACH PRZEDMIOTU
LICZBAGODZIN
PROWADZONYCH ZAJĘĆ
W DANYM S E M E S T R Z E
W*
Ć*
L*
P*
K*
s e m e s t r: . .9....
s e m e s t r: .......
s e m e s t r: 9........
s e m e s t r: ........
s e m e s t r: ........
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.
2h
4h
4h
4h
2h
6. Podstawy teorii zbiorów rozmytych i logiki rozmytej. Wnioskowanie rozmyte. Rozmyta metoda
analizyskupień.
7. 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.
8. Techniki OLAP w Excel. Tabele przestawne i raporty przestawne.
9. Integracja HD z arkuszem kalkulacyjnym. Wybór źródła danych, tworzenie interfejsu
użytkownika. Prezentacja graficzna wyników.
10. 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.
11. Usługi analityczne. Aspekty teoretyczne i praktyczne przetwarzania danych: OLTP i OLAP.
Analityczne rzetwarzanie na bieżąco OLAP. Projektowanie systemu OLAP.
12. Zgłębianie i analiza danych w Microsoft SGL Server 2000. Przykłady i zastosowania.
ŁĄCZNIE LICZBA 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
RAZEM
L. p.
1.
2.
3.
4.
5.
6.
WYKAZ ZALECANEJ LITERATURY
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.
PODPISY:
................................................................................................................................... .............................................
nauczyciela akademickiego odpowiedzialnego za przedmiot
data
......................................................................................................................................... .......................................
kierownika zakładu/katedry akceptującego kartę
data
2h
2h
2h
2h
2h
2h
2h
30
godzin
2h
2h
2h
3h
2h
2h
2h
15 h