Tantárgy » BMEVITMAV16
Adatbányászati alkalmazások
Data Mining Applications
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Adatbányászati alkalmazások
Data Mining Applications
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVITMAV16 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 3 | ||||||||||||
| Tantárgyfelelős |
Dr. Henk Tamás
elérhetőség:
henk@tmit.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
—
|
||||||||||||
| Kar | |||||||||||||
| Tantárgy weboldala | — | ||||||||||||
| Tantárgy elsődleges mintatantervi jellege | — | ||||||||||||
| Közvetlen előkövetelmények – Erős előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Gyenge előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Párhuzamos előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Mérföldkő előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Kizáró feltétel | nincs |
Célkitűzés
Tantárgyprogram
- 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.
Tanulmányi eredmények
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Tudás
Nincsenek rögzített tanulási eredmények.
Képességek
Nincsenek rögzített tanulási eredmények.
Attitűd
Nincsenek rögzített tanulási eredmények.
Autonómia és felelősség
Nincsenek rögzített tanulási eredmények.
Oktatási módszertan
előadás
Tanulástámogató anyagok
Online források
Hand-Mannila-Smyth: Principles of Data Mining. MIT Press, 2001Hastie-Tibshirani-Friedman: The Elements of Statistical Learning. Data Mining, Inference and Prediction. Springer 2001Han-Kamber: Data Mining. Concepts and Techniques. Morgan Kaufmann Publishers, 2001Bodon Ferenc: Adatbányászati algoritmusok (elektronikusan elérhető tanulmány)
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Nincs
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Nincs
Általános szabályok
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.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Szorgalmi időszakban végzett teljesítményértékelések részaránya
Nincs megadva részarány.
Vizsgaidőszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Vizsgarészek részaránya
Nincs megadva részarány.
Érdemjegy megállapítása
Nincs megadva érdemjegy határ.
Jelenléti és részvételi követelmények
Nincs megadva jelenléti követelmény.
Javítás, ismétlés és pótlás különös szabályai
Nincs megadva.
Rövid leírás
Nincs megadva.
Részletes leírás
Nincs megadva.
Ajánlott tantárgyak
Előtanulmányok nem szükségesek. Az Adatbányászati technológiák vitmav67 című választható tárgy korábbi vagy leendő hallgatói számára IS ajánljuk.
A tantárgy elvégzéséhez szükséges tanulmányi munka
Nincs megadva munkaidő bontás.
Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
—
Tantárgykövetelmények hatályosságának vége:
—
Tantervi elhelyezés
Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.