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