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

Anotace:
In the past decade, we?ve witnessed a huge increase in the amount of data being captured and stored. In these large datasets very useful knowledge is present, though often concealed in the vastness of the data. With data mining techniques patterns are automatically revealed from such large datasets. First, data mining techniques and applications are discussed. Next, we will go into popular predictive and descriptive data mining techniques, with applications in marketing and risk management. Also, analyses such as social network analysis, text mining, process mining, and Big Data will be looked at. Basic programming skills in Python will be learnt. The learned concepts, techniques and programming language will be applied and evaluated with a real-life case. Teaching takes place at University of Antwerpen. See the web page https://www.uantwerpen.be/en/study/programmes/all-programmes/digital-business-engineering/about-the-programme/study-programme/

Osnovy přednášek:
Teaching takes place at University of Antwerpen. See the web page https://www.uantwerpen.be/en/study/programmes/all-programmes/digital-business-engineering/about-the-programme/study-programme/

Osnovy cvičení:
Teaching takes place at University of Antwerpen. See the web page https://www.uantwerpen.be/en/study/programmes/all-programmes/digital-business-engineering/about-the-programme/study-programme/

Literatura:
Foster Provost, Tom Fawcett: Data Science for Business, What you need to know about data mining and data-analytic thinking. O Reilly Media 2013, ISBN 9781449361327. See the web page https://www.uantwerpen.be/en/study/programmes/all-programmes/digital-business-engineering/about-the-programme/study-programme/

Požadavky:

Teaching takes place at University of Antwerpen. See the web page https://www.uantwerpen.be/en/study/programmes/all-programmes/digital-business-engineering/about-the-programme/study-programme/

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr NIE-DBE.2023 Digital Business Engineering PS 1