Techniki pozyskiwania danych

 Politechnika Opolska Wydział Elektrotechniki, Automatyki i Informatyki
KARTA OPISU PRZEDMIOTU
STUDIA PODYPLOMOWE
INFORMATYKA Z ELEMENTAMI INFORMATYKI ŚLEDCZEJ
TECHNIKI POZYSKIWANIA DANYCH
NAZWA PRZEDMIOTU
SUBJECT TITLE
SEMESTR STUDIÓW
2
Wymagania wstępne
w zakresie przedmiotu
DATA MINING
ECTS (pkt.)
3
Nazwy przedmiotów
Wiedza
Umiejętności
Kompetencje
społeczne
TRYB ZALICZENIA PRZEDMIOTU
KOD PRZEDMIOTU
EGZAMIN – ZALICZENIE NA OCENĘ *)
1. Podstawowa wiedza z zakresu statystyki
1. Potrafi obsługiwać komputer i system operacyjny
1. Potrafi współdziałać i pracować w grupie
PROGRAM PRZEDMIOTU
FORMA ZAJĘĆ
WYKŁAD
10
PROWADZĄCY ZAJĘCIA
(tytuł/stopień naukowy, imię i nazwisko)
DR INŻ. KATARZYNA RUDNIK
15
DR INŻ. KATARZYNA RUDNIK
LICZBA GODZIN
ZAJĘĆ W SEMESTRZE
ĆWICZENIA
LABORATORIUM
PROJEKT
SEMINARIUM
TREŚCI KSZTAŁCENIA (PROGRAM NAUCZANIA)
WYKŁAD
Lp.
1.
2.
3.
4.
5.
SPOSÓB REALIZACJI:
WYKŁAD Z WYKORZYSTANIEM RZUTNIKA
Tematyka zajęć
Wprowadzenie do przedmiotu. Pozyskiwanie danych jako metoda odkrywania hipotez.
Przegląd metod pozyskiwania danych. Techniki obliczeniowe i graficzne. Możliwości
zastosowań w kryminalistyce (Crime data mining).
Pojęcie systemu bazodanowego i jego architektura. Typy systemów bazodanowych.
Język zapytań SQL. Transakcje. Metody zabezpieczeń bazy danych. Implementowanie
systemów bazodanowych. Przykłady baz danych komercyjnych i niekomercyjnych.
Systemy bazodanowe transakcyjne i analityczne. Przetwarzanie analityczne on-line –
weryfikacja hipotez. Pozostałe tryby integrowania informacji (federacyjne systemy baz
danych, mediator).
Wstępna obróbka danych (czyszczenie, przekształcanie). Sieci neuronowe (idea
metody, typy sieci, przykłady zastosowań).
Odkrywanie asocjacji danych i wzorców sekwencji (idea metod, przykłady zastosowań).
7.
Analiza skupień (idea metody, typy algorytmów, przykłady zastosowań). Klasyfikacja
danych (idea metody, przykład zastosowań).
Eksploracja tekstu i sieci WWW.
8.
Zaliczenie przedmiotu.
6.
1
2
2
1
1
1
1
1
RAZEM GODZIN W SEMESTRZE
Sposoby sprawdzenia zamierzonych efektów
kształcenia
Liczba godzin
10
Test sprawdzający wiedzę
Strona 1 z 3
LABORATORIUM
SPOSÓB REALIZACJI:
Lp.
1.
ZAJĘCIA PRAKTYCZNE Z KOMPUTEREM
Tematyka zajęć
Liczba godzin
Wykorzystanie rekurencyjnej sieci Hopfielda do rozpoznawania pisma.
2
3.
Wykorzystanie sieci neuronowych do wykrywania oszukańczych transakcji kartami
płatniczymi.
Wykorzystanie metod grupowania w analizie przestępczości.
4.
Przewidywanie wyłudzeń kredytów z wykorzystaniem modeli skoringowych.
2
5.
Pozyskiwanie informacji z dokumentów tekstowych.
2
6.
Wykorzystanie poznanych metod data mining w wybranym przykładzie zastosowań.
4
7.
Zaliczenie przedmiotu
1
2.
2
2
RAZEM GODZIN W SEMESTRZE
Sposoby sprawdzenia zamierzonych efektów
kształcenia:
Wiedza
Efekty kształcenia dla
przedmiotu – po
zakończonym cyklu
kształcenia
Umiejętności
Kompetencje
społeczne
15
Wykonanie zadań wyznaczonych w trakcie zajęć
1. Zna podstawowe metody i techniki data mining oraz
narzędzia je wykorzystujące.
2. Ma wiedzę dotyczącą doboru technik oraz metod data mining
dla danego zastosowania.
1. Potrafi wykonywać analizę danych z wykorzystaniem technik
i metod data mining.
2. Potrafi oceniać przydatność danych do realizacji wybranego
zadania.
1. Potrafi współdziałać i pracować w grupie, przyjmując w niej
różne role.
ZAŁOŻENIA I CELE PRZEDMIOTU:
Celem przedmiotu jest zdobycie podstawowej wiedzy i umiejętności w zakresie technik i metod eksploracji danych, w celu
wykorzystania ich do analizy i wykrywania przestępstw.
METODY DYDAKTYCZNE:
Wykład – wykład konwencjonalny, wykład problemowy, dyskusja (środki: rzutnik, komputer, prezentacje).
Laboratorium – metoda laboratoryjna problemowa, metoda zajęć praktycznych (środki: komputery, dedykowane
oprogramowanie).
FORMA I WARUNKI ZALICZENIA PRZEDMIOTU:
Wykład – zaliczenie pisemne na ocenę (w formie testu sprawdzającego wiedzę). Laboratorium – ocena na podstawie ocen
cząstkowych ze sprawozdań poszczególnych zadań do wykonania. Ocena odzwierciedlająca wiedzę, kreatywność i zdobyte
umiejętności techniczne.
LITERATURA PODSTAWOWA:
[1] Ullman J.D., Widom J., Podstawowy wykład z systemów baz danych, ISBN: 978-83-246-3224-4, Helion, W-wa, 2011
[2] Garcia-Molina H., Ullman J.D., Widom J., Systemy baz danych. Kompletny podręcznik. ISBN: 978-83-246-3303-6.
Wydanie II, 2011.
[3] Larose D. , Odkrywanie Wiedzy z Danych, ISBN: 8301148365, PWN, 2006.
[4] David H., Heikki M., Padhraic S., Eksploracja danych, ISBN 83-204-3053-4, WNT, Warszawa 2005.
[5] Jesús Mena, Investigative Data Mining for security and criminal detection, ISBN: 0-7506-7613-2, Elsevier Science, 2003.
[6] Rojek R., Bartecki K., Korniak J.: Zastosowanie sztucznych sieci neuronowych i logiki rozmytej w automatyce,
Praca zbiorowa pod redakcją R. Rojka, Skrypt Politechniki Opolskiej nr 234, Opole 2000.
LITERATURA UZUPEŁNIAJĄCA:
[1] Bazy danych (materiały dydaktyczne MIMUW na studia informatyczne I stopnia) [http://wazniak.mimuw.edu.pl/]
[2] Eksploracja danych (materiały dydaktyczne MIMUW na studia informatyczne II stopnia) [http://wazniak.mimuw.edu.pl/]
[3] Zaawansowane bazy danych (materiały dydaktyczne MIMUW na studia informatyczne I stopnia)
[http://wazniak.mimuw.edu.pl/]
[4] Han J., Kamber M., Pei J., Morgan Kaufmann Data Mining: Concepts and Techniques, 3rd ed., 2011.
*) niewłaściwe przekreślić
Strona 2 z 3
...........................................................................
...........................................................................
/Kierownik studiów podyplomowych/
/autor – osoba prowadząca wykład/
...........................................................................
...........................................................................
/Kierownik jednostki organizacyjnej:
pieczęć i podpis/
/Dziekan Wydziału WEAiI:
pieczęć i podpis/
Strona 3 z 3