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

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Adatbányászati algoritmusok

    A tantárgy angol neve: Data Mining Algorithms

    Adatlap utolsó módosítása: 2006. július 1.

    Tantárgy lejárati dátuma: 2009. november 24.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak

    Műszaki Informatika Szak

    Választható tárgy
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMA9031 tavasz 2/0/0/v 3 1/1
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    Bodon Ferenc

    Doktorandusz

    MIT, VIK, BME

    Dr. Friedl Katalin

    Egyetemi docens

    SZIT, VIK, BME
    5. A tantárgy az alábbi témakörök ismeretére épít

    Algoritmusok elmélete, Valószínűségszámítás, Adatbázisok

    6. Előtanulmányi rend
    Ajánlott:
    7. A tantárgy célkitűzése

    A tantárgy bevezetést nyújt az algoritmikus adatbányászatba. A hallgatók megismerhetik a legfontosabb asszociációs szabálykinyerő, epizódkutatási, korrelációkinyerő, hasonlóságfelismerő és klaszterező algoritmusokat, ezen kívűl megismerkedhet az intelligens webes keresés részleteivel.

    8. A tantárgy részletes tematikája

    Első órában a hallgatók megismerkedhetnek az adatbányászat fogalmával, céljaival, lépéseivel, legfontosabb területeivel, adatbányászati rendszer felépítésével. Ezután az egyes területeket ismertetjük. Ezen belűl előszőr a felmerülő igényt, majd probléma formális leírását, és végül a megoldó algoritmusok következnek. Az alábbi adatbányászati problémákat vizsgáljuk részletesen:

    1. asszociációs szabálykinyerés,
    2. korreláció-analízis,
    3. hasonlóságkeresés,
    4. funkcionális függőségek kinyerése,
    5. epizódkutatás,
    6. klaszterezés
    7. intelligens webes keresés.
    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

    (előadás, gyakorlat, laboratórium):

    Előadás

    10. Követelmények

    a. A szorgalmi időszakban: Házi feladat, ami lehet egy algoritmus implementálása vagy egy tudományos cikk elolvasása, majd ebből irásbeli és szóbeli beszámoló készítése.

    b. A vizsgaidőszakban: Írásbeli vizsga

    c. Elővizsga:

    11. Pótlási lehetőségek

    A házi feladatot a vizsgaidőszak első 3 hetében lehet pótolni.

    12. Konzultációs lehetőségek
    13. Jegyzet, tankönyv, felhasználható irodalom

    Bodon Ferenc: Adatbányászati algoritmusok (http://www.mit.bme.hu/~bodon/magyar/adatbanyaszat/tanulmany)

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

    :

    Kontakt óra

    28

    Félévközi készülés órákra

    20

    Felkészülés zárthelyire

    Házi feladat elkészítése

    12

    Kijelölt írásos tananyag elsajátítása

    Beszálolók javítása értékelése

    20

    Vizsgafelkészülés

    10

    Összesen

    90
    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Bodon Ferenc

    Doktorandusz

    MIT, VIK, BME

    Dr. Rónyai Lajos

    Egyetemi tanár

    ALG, TTT, BME

    vima9031.rtf