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

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Adatbányászati alkalmazások

    A tantárgy angol neve: Data Mining Applications

    Adatlap utolsó módosítása: 2008. október 21.

    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
    VITMAV16 tavaszi 2/0/0/v 3 1/1
    3. A tantárgyfelelős személy és tanszék Dr. Henk Tamás,
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Henk Tamás

    docens

    TMIT

    Gáspár-Papanek Csaba

    ügyvivő szakértő

    TMIT

    5. A tantárgy az alábbi témakörök ismeretére épít Nincs
    6. Előtanulmányi rend
    Ajánlott:

    Előtanulmányok nem szükségesek. Az Adatbányászati technológiák vitmav67 című választható tárgy korábbi vagy leendő hallgatói számára IS ajánljuk.

    7. A tantárgy célkitűzése

    A tárgy célja, hogy alkalmazási példákon keresztül a hallgatókkal megismertesse a tudáskinyerés folyamatát. Az egyes alkalmazásterületek tárgyalása során felmerülő adatbányászati problémákat ismertetjük, és a legfontosabb esetekben mutatjuk be a problémát megoldó algoritmuscsaládot is. Ez a felépítés lehetővé teszi, hogy az egyes adatbányászati algoritmusokat rögtön gyakorlati szempontból vizsgálhassuk.

    Az alkalmazási területek kiterjednek a hagyományos kereskedelem, az elektronikus üzleti megoldások, a távközlési, banki és biztosítási szolgáltatások területére.

    Fontos megjegyezni, hogy a részletesen bemutatott eljárásokat úgy választottuk ki, hogy a tárgy újdonságokról szóljon annak is, aki őszi félév során elvégezte az Adatbányászati technológiák vitmav67 című választható tárgyat.

    8. A tantárgy részletes tematikája
    • Bevezetés a tudásfeltárás folyamatába
    • Az adatbányászat folyamata, az esettanulmányok formai kerete
    • Előfeldolgozási kérdések
    • Marketing-központú adatbányászati alkalmazások
    • CRM rendszerek (Regresszió)
    • Ügyfél és termékszegmentálás (Klaszteranalízis)
    • Webes adatbányászati alkalmazások
        • Fejlett alapstatisztikák vizsgálata
        • Weblog analízis, automatikus ajánlattevő rendszerek (gyakori mintázatok webes környezetben, asszociációs szabályok)
    • Webes felhasználói modellek (Modell alkotás és illesztés)
    • Webes szövegbányászati feladatok

    Távközlési hívásadatok elemzése

    • Lemorzsolódás előrejezés (Osztályozási kérdések)
    • Ügyfélkör és díjcsomag szegmentálás
    • Hívásgráfok analízise (Szociális hálózatok)

    További alkalmazási területek

      • Döntéstámogató rendszerek banki, biztosítási rendszerekben
      • Csalásdetektálás
    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

    előadás

    10. Követelmények
    • A szorgalmi időszakban: a félév közepén egy zárthelyi dolgozat.
      Fakultatívan: számítógépes feladatok, beadható házi feladatok
    • A vizsgaidőszakban: sikeres zárthelyi esetén szóbeli vizsga
    • Elővizsga: kellő számú beadott házi feladat és/vagy számítógépes munka esetén
    11. Pótlási lehetőségek

    Ha a hallgató nem tud bejárni az előadásokra, akkor javasoljuk, hogy beszélje meg az előadóval az egyéni felkészülés lehetőségeit.

    Az elmulasztott zárthelyi dolgozat szóbeli beszámolóval pótolható.

    12. Konzultációs lehetőségek

    Az előadóval történő egyéni egyeztetés alapján.

    13. Jegyzet, tankönyv, felhasználható irodalom
    1. Hand-Mannila-Smyth: Principles of Data Mining. MIT Press, 2001
    2. Hastie-Tibshirani-Friedman: The Elements of Statistical Learning. Data Mining, Inference and Prediction. Springer 2001
    3. Han-Kamber: Data Mining. Concepts and Techniques. Morgan Kaufmann Publishers, 2001
    4. Bodon Ferenc: Adatbányászati algoritmusok (elektronikusan elérhető tanulmány)
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

    Kontakt óra

    30

    Félévközi készülés órákra

    15

    Felkészülés zárthelyire

    10

    Házi feladat elkészítése

    15

    Vizsgafelkészülés

    20

    Összesen

    90

    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Maricza István

    tud. s.munkatárs

    TMIT

    Gáspár-Papanek Csaba

    ügyv. szakértő

    TMIT