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