Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2 značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
NI-DDW | Dolování dat z webu | Rozsah kontaktní výuky: | 2P+1C | ||
---|---|---|---|---|---|
Vyučující: | Kuchař J. | Způsob zakončení: | Z,ZK | ||
Zodpovědná katedra: | 18102 | ECTS Kredity: | 5 | Semestr: | L |
Anotace:
Studenti se v předmětu seznámí s metodami a technologiemi pro získávání dat z webu, jejich zpracování a praktické využití v reálných aplikacích. Získají přehled a znalosti z oblastí analýzy webového obsahu, analýzy chování uživatelů, sociálního webu a doporučovacích systémů.
Osnovy přednášek:
1. | Základní principy a pojmy dolování dat z webu. | |
2. | Metody přístupu k datům a jejich získávání (formáty, omezení, etické aspekty). | |
3. | Nástroje pro získávání obsahu. | |
4. | Extrakce a přístup ke specifickým informacím webu (textový obsah, hluboký web). | |
5. | Dolování z textových dat. | |
6. | Praktické aplikace dolování z textových dat. | |
7. | Analýza struktury a obsahu sociálních sítí (2). | |
8. | Grafová reprezentace webových dat, web jako graf. | |
9. | Analýza chování uživatelů na webu: sběr informací o uživatelích. | |
10. | Analýza chování uživatelů na webu: analýza dat, webová analytika. | |
11. | Doporučovací systémy a personalizace. | |
12. | Algoritmy pro dolování z proudu dat a jejich aplikace. |
Osnovy cvičení:
1. | Základní metody pro získávání dat a jejich zpracování | |
2. | Předzpracování textu, aplikace metod text miningu | |
3. | Získávání a analýza dat v grafové podobě | |
4. | Analýza dat generovaných uživateli | |
5. | Základní metody doporučovacích systémů | |
6. | Prezentace projektů a zápočet |
Literatura:
1. | Liu, B. "Web Data Mining", Springer-Verlag Berlin Heidelberg, 2011. ISBN 978-3-642-19459-7. | |
2. | Charu C. Aggarwal. "Machine Learning for Text", Springer, 2018. ISBN 9783319735313. | |
3. | Easley, D., Kleinberg, J. "Networks, Crowds, and Markets: Reasoning About a Highly Connected World", Cambridge | |
4. | A. Russel, M. "Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More (3rd Edition)", O'Reilly Media, 2019. ISBN 978-1491985045. | |
5. | Charu C. Aggarwal. "Recommender Systems: The Textbook", Springer, 2016. ISBN 9783319296579. |
Požadavky:
Znalost architektury webu (HTTP, HTML, URI), znalosti programování (např. Java, JavaScript), teorie grafů a znalosti základních algoritmů.
|
Předmět je zahrnut do těchto studijních plánů:
Stránka vytvořena 26. 4. 2024, semestry: Z/2021-2, L/2019-20, Z/2022-3, Z/2023-4, L/2021-2, Z,L/2020-1, L/2022-3, L/2023-4, Z/2024-5, Z/2019-20, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: J. Novák, I. Halaška |