Unsupervised Learning
Informacje ogólne
Kod przedmiotu: | 2400-SP-DS-USL |
Kod Erasmus / ISCED: |
(brak danych)
/
(0311) Ekonomia
|
Nazwa przedmiotu: | Unsupervised Learning |
Jednostka: | Wydział Nauk Ekonomicznych |
Grupy: |
Data Science w zastosowaniach biznesowych. Warsztaty z wykorzystaniem programu R |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | (brak danych) |
Rodzaj przedmiotu: | obowiązkowe |
Pełny opis: |
Celem przedmiotu jest zapoznanie słuchaczy z możliwościami algorytmów odkrywania wiedzy z danych (Knowledge Discovery in Databases, KDD) wykorzystujących uczenie bez nadzoru (ang. unsupervised learning). Przedstawione zostaną główne algorytmy reguł asocjacyjnych (Apriori, Eclat) oraz poszukiwania grup danych przez klastrowanie i możliwość ich wykorzystania w analityce biznesowej. Ich zastosowanie dotyczy głównie danych transakcyjnych (tzw. market basket analysis) i poszukiwania reguł najczęściej występujących wspólnie produktów w koszyku. Realizowane będą modele dla danych rzeczywistych, wymagających przekształcenia i wyczyszczenia danych wejściowych. Wśród metod grupowania omówione zostaną hierarchiczna analiza skupień, metoda k-średnich oraz metody wykorzystujące funkcję gęstości lub model. |
Literatura: |
Materiały przygotowywane przez wykładowcę i udostępniane uczestnikowi na platformie Google Drive. |
Efekty uczenia się: |
Test zaliczeniowy - do zaliczenia wymagana jest 50% poprawnych odpowiedzi na 10 pytań. |
Zajęcia w cyklu "Rok akademicki 2023/24" (w trakcie)
Okres: | 2023-10-01 - 2024-06-16 |
Przejdź do planu
PN WT ŚR CZ PT SO LAB
N LAB
|
Typ zajęć: |
Laboratorium, 18 godzin
|
|
Koordynatorzy: | Piotr Wójcik | |
Prowadzący grup: | Katarzyna Kopczewska | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie
Laboratorium - Zaliczenie |
Właścicielem praw autorskich jest Uniwersytet Warszawski.