Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Adatbányászat laboratórium

    A tantárgy angol neve: Data Mining Laboratory

    Adatlap utolsó módosítása: 2006. december 11.

    Tantárgy lejárati dátuma: 2015. január 31.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar
    Üzleti Informatika szakirány
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMA5309   2/0/0/f 3  
    3. A tantárgyfelelős személy és tanszék Dr. Telcs András,
    4. A tantárgy előadója

    Dr. Bodon Ferenc tudományos segédmunkatárs SZIT

    Buza Krisztián Antal óraadó SZIT

    5. A tantárgy az alábbi témakörök ismeretére épít Algoritmusok elmélete, gráfelmélet, adatbányászati alapfogalmak
    7. A tantárgy célkitűzése

    A tantárgy az adatbányászat és pénzügyi folyamatokhoz kapcsolódó labortárgy. Célja az előadáson elhangzottak elmélyítése gyakorlati alkalmazások során, a hallgatók felkészítése arra, hogy képesek legyenek adatbányászati elemzéseket végezni különböző területeken (kereskedelem, pénzügy, marketing, orvosi adatbányászat...). Ennek érdekében az órák során a legfontosabb adatbányászati technikák (gyakori elemhalmazok keresése, asszociációs szabályok keresése, klaszterezés, osztályozás) kerülnek bemutatásra egy, a gyakorlatban széles körben elterjedt adatbányászati szoftver segítségével. 

    8. A tantárgy részletes tematikája

    1.      WEKA adatbányászati szoftver bemutatása

    2.      Gyakori elemhalmaz keresés, asszociációs szabály keresés, eredmények interpretációja, asszociációs szabálykeresés buktatói 

    3.      Klaszterezés, osztályozás, különböző algoritmusok összehasonlítása, kisházi feladatok kiadása

    4.      Kisházi feladatok ellenőrzése

    5.      Nagyfeladatok megbeszélése, kiadása

    6.      Nagyfeladatok ellenőrzése

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) labor
    10. Követelmények

    a. A szorgalmi időszakban: kisházi feladat, nagyfeladat megoldása

    b. A vizsgaidőszakban: -

    c.       Elővizsga: -

    11. Pótlási lehetőségek nincs
    12. Konzultációs lehetőségek folyamatosan a laborfoglalkozások során, továbbá egyedi igény szerint az óraadókkal egyeztetve
    13. Jegyzet, tankönyv, felhasználható irodalom

    Bodon Ferenc: Adatbányászati algoritmusok

    Abonyi János: Adatbányászat - A hatékonyság eszköze

    Iványi Antal: Informatikai algoritmusok 2.

    Ian H. Witten and Eibe Frank (2005): Data Mining: Practical machine learning tools and techniques, 2nd Edition, Morgan Kaufmann, San Francisco, 2005.
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra28
    Félévközi készülés órákra
    Felkészülés zárthelyire50
    Házi feladat elkészítése10
    Kijelölt írásos tananyag elsajátítása
    Vizsgafelkészülés
    Összesen90
    15. A tantárgy tematikáját kidolgozta

    Dr. Bodon Ferenc tudományos segédmunkatárs SZIT

    Buza Krisztián Antal óraadó SZIT