Data Mining
Bioinformatyka, studia magisterskie, semestr 3Wykłady:
- Wykład 1: Zajęcia wprowadzające
Wprowadzenie do Eksploracji Danych - Wykład 2: Odkrywanie asocjacji
Odkrywanie asocjacji - Wykład 3: Klasyfikacja danych 1
Klasyfikacja poprzez indukcje drzew decyzyjnych - Wykład 4: Klasyfikacja danych 2
Klasyfikacja poprzez indukcje drzew decyzyjnych - Gini & Entropy - Wykład 5: Klasyfikacja danych 3
Naiwny klasyfikator Bayesa - Wykład 6: Klasyfikacja danych 4
Maszyna wektorów nośnych (SVM) - Wykład 7: Klasyfikacja danych 5
Sztuczne Sieci Neuronowe (SSN) - Wykład 8: Klastryzacja 1
Grupowanie Hierarchiczne - Wykład 9: Klastryzacja 2
Grupowanie Iteracyjno-optymalizacyjne Ćwiczenia:
- Laboratorium 1: Odkrywanie reguł asocjacyjnych
Lab 1 Dane
- Laboratorium 2: Indukcja drzew decyzyjnych
Lab 2 Dane Projekt - Baza Danych - Laboratorium 3: Indukcja drzew decyzyjnych - 10% Zaliczenia (Termin: 04/12/2019)
Lab 3 - Laboratorium 4: Naiwny klasyfikator Bayesa
Lab 4 Dane - Laboratorium 5: SVM
Lab 5 - Laboratorium 6: Klasyfikacja niekompletnych danych - 20% Zaliczenia (Termin: 10/01/2020)
Lab 6 Dane - Laboratorium 7: Klastryzacja danych - 20% Zaliczenia (Termin: 24/01/2020)
Lab 7 Zaliczenie:
- Podstawa zaliczenia jest wykonanie projektu (według przydziałów) i przygotowanie sprawozdania.
Sprawozdania z projektów należy przysyłać drogą mailową na adres prowadzącego w terminie uzgodnionym z prowadzącym na zajeciach
Sprawozdania należy przygotować zgodnie z wytycznymi w pliku poniżej:
Opis Projektu i Struktura Sprawozdania