Analiza velikih skupova podataka

Prijava

HrvatskihrEnglishen

Pristupačnost

Veličina slova:A A

Izgled stranice Uobičajen izgled Jednostavni izgled stranice

Kontrast stranice: Normalno Visoki kontrast Inverzni visoki kontrast

Očisti sve

Analiza velikih skupova podataka

Opis predmeta

Uvod u analizu velikih skupova podataka. Pronalaženje sličnih entiteta. Analiza tokova podataka. Analiza poveznica u podacima predstavljenim grafovima. Pronalaženje čestih skupova. Pronalaženje grupa u velikim skupovima podataka. Sustavi za preporuke. Analiza grafova društvenih mreža. Modeli oglašavanja na webu. Reduciranje dimenzionalnosti. Strojno učenje sa svojstvom razmjernog rasta.

Ishodi učenja

prepoznati i razumjeti zašto neki problem pripada u kategoriju velikih podataka
primijeniti programskih model MapReduce prilikom susretanja s određenim tipovima problema
dizajnirati i vrednovati sustav za pronalaženje sličnih entiteta u velikim skupu podataka
dizajnirati i vrednovati sustav za pronalaženje čestih skupova u velikom skupu podataka
dizajnirati i vrednovati sustav za rangiranje čvorova vrlo velikom skupu podataka predočenom grafom
dizajnirati i vrednovati sustav za preporučivanje
primijeniti odgovarajuće algoritme s ciljem pronalaženja grupa u velikom skupu padataka
primijeniti odgovarajuće algoritme za obradu tokova podataka

Oblici nastave

Predavanja

Predavanja popraćena PowerPoint projekcijom s prikazom teorijskih načela.

Auditorne vježbe

Objašnjavanje popratnih primjera i rješavanje zadataka za vrijeme predavanja.

Laboratorij

Programsko ostvarenje odabranih metoda analize velikih skupova podataka. Studenti samostalno programski ostvaruju laboratorijski zadatak i putem web-aplikacije predaju rješenja na automatizirano ocjenjivanje.

Tjedni plan nastave

(en) Locality-sensitive hashing (LSH), minhash and simhash algorithms
(en) Locality-sensitive hashing (LSH), minhash and simhash algorithms
(en) Graph mining
(en) Web search (PageRank and HITS)
Dubinska analiza podataka pomoću programskog modela Map-Reduce , (en) Feature selection (filter methods, subset selection, wrapper method)
(en) Data stream mining
(en) Data stream mining
Međuispit
(en) Time series and sequences mining
(en) Collaborative filtering and recommender engines
(en) Clustering algorithms for large datasets (BFR, CURE)
(en) Sampling, filtering and estimating data stream moments
(en) Large-scale algorithms for mining frequent item sets (Apriori, PCY, SON)
(en) Detecting communities in large graphs (Girvan-Newman, Affiliation-Graph Model)
Završni ispit