|
Vyučující
|
-
Šenkeřík Roman, prof. Ing. Ph.D.
-
Viktorin Adam, Ing. Ph.D.
|
|
Obsah předmětu
|
- Úvod do dataminingu - historie, principy a postupy, aplikace. - Redukce dimensionality - PCA algoritmus. feature extraction a feature selection. Rankovací algoritmy - PageRank. - Clusteringové algoritmy - K-means, Fuzzy cMeans a další. - DBSCAN, EM algoritmus. - Heuristická analýza. - Dolování dat z časových řad. - Dolování proudu dat (data streams) a Big Dat. - Dolování asociačních vzorů. - Agentní systémy - teorie a jejich aplikace. - Multiagentní systémy - teorie a jejich aplikace. - Multiagentní systémy v kybernetické bezpečnosti.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Cvičení na počítači
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Znalosti z oblastí: Matematika Základy informatiky Programování Základy umělé inteligence |
| Znalosti z oblastí: Matematika Základy informatiky Programování Základy umělé inteligence |
| Výsledky učení |
|---|
| Student umí vyjmenovat a popsat principy a postupy dataminingu a základní klasifikaci metod a algoritmů softcomputingu. |
| Student umí vyjmenovat a popsat principy a postupy dataminingu a základní klasifikaci metod a algoritmů softcomputingu. |
| Student rozumí metodám redukce dimensionality, jako je PCA, a zná principy clusteringových algoritmů, například K-means a DBSCAN. |
| Student rozumí metodám redukce dimensionality, jako je PCA, a zná principy clusteringových algoritmů, například K-means a DBSCAN. |
| Student má znalosti o technikách dolování dat z časových řad a zpracování Big Data. |
| Student má znalosti o technikách dolování dat z časových řad a zpracování Big Data. |
| Student rozumí teorii a aplikacím agentních a multiagentních systémů, zejména v kontextu kybernetické bezpečnosti. |
| Student rozumí teorii a aplikacím agentních a multiagentních systémů, zejména v kontextu kybernetické bezpečnosti. |
| Student má znalosti o metodách pro dolování asociačních vzorů a o základech heuristické analýzy. |
| Student má znalosti o metodách pro dolování asociačních vzorů a o základech heuristické analýzy. |
| Odborné dovednosti |
|---|
| Student umí implementovat preprocessing algoritmy pro efektivní zpracování a analýzu dat. |
| Student umí implementovat preprocessing algoritmy pro efektivní zpracování a analýzu dat. |
| Student dokáže využít clusteringové algoritmy pro analýzu a seskupování dat. |
| Student dokáže využít clusteringové algoritmy pro analýzu a seskupování dat. |
| Student je schopen analyzovat a zpracovávat data z časových řad a Big Data pro konkrétní potřeby v oblasti kybernetické bezpečnosti. |
| Student je schopen analyzovat a zpracovávat data z časových řad a Big Data pro konkrétní potřeby v oblasti kybernetické bezpečnosti. |
| Student má dovednosti ve vývoji a aplikaci agentních systémů pro řešení bezpečnostních problémů. |
| Student má dovednosti ve vývoji a aplikaci agentních systémů pro řešení bezpečnostních problémů. |
| Student dokáže využít datovou analýzu pro identifikaci a řešení složitých problémů v oblasti kybernetické bezpečnosti. |
| Student dokáže využít datovou analýzu pro identifikaci a řešení složitých problémů v oblasti kybernetické bezpečnosti. |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednášení |
| Přednášení |
| Cvičení na počítači |
| Cvičení na počítači |
| Hodnotící metody |
|---|
| Ústní zkouška |
| Ústní zkouška |
|
Doporučená literatura
|
-
AGGARWAL, Charu C. Data mining: the textbook. 2015. ISBN 978-3-319-14141-1.
-
Aliev, R. A. Soft computing and its applications. Singapore : World Scientific, 2001. ISBN 981-02-4700-1.
-
Burian P. Webové a agentové technologie. Praha, 2012. ISBN 978-80-247-4376-9.
-
Ferber, Jacques. Multi-agent systems : an introduction to distributed artificial intelligence. 1st ed. Harlow : Addison Wesley, 1999. ISBN 201360489.
-
HAND D., MANNILA H., SMYTH P. Principles of Data Mining. Cambridge : MIT Press, 2001. ISBN 026208290X.
-
IGNATOW G., MIHALCEA R. An introduction to text mining: research design, data collection, and analysis. 2018. ISBN 978-1-5063-3700-5.
-
Kacprzyk J, Pedrycz, W. Springer handbook of computational intelligence. 2015.
-
MAIMON, O., ROKACH, L. Data Mining and Knowledge Discovery Handbook. Hardcover. ISBN 978-0387244358.
-
MARZ, Nathan a James WARREN. Big data: principles and best practices of scalable real-time data systems.. New York, 2015. ISBN 978-1-61729-034-3.
-
ROKACH L., MAIMON O.Z. Data mining with decision trees: theory and applications. Second edition. 2015. ISBN 978-981-4590-07-5.
-
Volná E. Základy soft computingu. Ostravská Univerzita, 2012.
-
WITTEN, I. H. Data mining: practical machine learning tools and techniques. Fourth Edition. Amsterdam: Elsevier, 2017. ISBN 9780128042915.
|