Subject » BMEVITMAV16
Data Mining Applications
Adatbányászati alkalmazások
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Adatbányászati alkalmazások
Data Mining Applications
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVITMAV16 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 3 | ||||||||||||
| Subject coordinator |
Dr. Henk Tamás
contact:
henk@tmit.bme.hu
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
- 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
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.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
előadás
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Nincs
General rules
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
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.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Előtanulmányok nem szükségesek. Az Adatbányászati technológiák vitmav67 című választható tárgy korábbi vagy leendő hallgatói számára IS ajánljuk.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.