Lectures

Lectures- 80 minutes: presentation, 5 minutes:  questions-answers

Lecture 1: Data Mining: dm_io_w1, Data: dm_io_w2

Lecture 2: Cleaning data, data analysis: dm_io_w3

Lecture 3: Regression models 1: dm_io_w4

Lecture 4: Classyfication: dm_io_w5

Lecture 5: Quality assessment: dm_io_w6

Lecture 6: Cluster analysis: dm_io_w7

Lecture 7: Neural networks: dm_io_w8

Lecture 8: Adaptive methods: dm_io_w9

Lecture 9: Trees: dm_io_w10

Lecture 10: Association rules: dm_io_w11

Lecture 11: FA, PCA, Fourier models: dm_io_w12

Lecture 12: Text and Web mining

Lecture 13: Case study

Lecture 14: Case study

 

Practical exercises

Laboratories- 90 minutes, if not finished also at home

Laboratory 1: First view of Statistica 13.0: dm_io_cw1

Laboratory 2: Data, data cleaning: dm_io_cw2

Laboratory 3: Data analysis, correlations: dm_io_cw3

Laboratory 4: Regression models 1:dm_io_cw4

Laboratory 5: Regression models 2: dataset5

Laboratory 6: Classyfication: dm_io_cw6

Laboratory 7: Quality assessment

Laboratory 8: Cluster analysis: dm_io_cw8

Laboratory 9: Neural networks 1: dm_io_cw9

Laboratory 10: Neural networks 2: irisdat

Laboratory 11: Adaptive methods: dm_io_cw11

Laboratory 12:  Trees: dm_io_cw12

Laboratory 13: Association rules : dm_io_cw13

Laboratory 14: PCA, ICA, Case Study: projekty, chronologie_rezydualne

Basic informations:

Lectures are optional, but knowledge from lectures is needed on excercises.

Students disturbing lecture (talking, eating, drinking, doing homework for other courses) have final grade -10 points per each noted disturb.

Student can have one unexcused absence, more absences than 50% resulting in a lack of credit from exercises.

Students with absence need to complete exercise in home, this work will be checked on the next exercise.

Student could come for the second group, for complete absence, but only for the same exercise, and only after mailing and having acceptance from lecturer.

The credit from excercises is a sum of credit from capston project (70 point),  lectures quizes (each 5 points) and homeworks (each 5 points). For grade 3.0 or higher student need to have minimum 35 points from project and minimum 50 points from all exercises.

At the end of semester will be capstone project, worth 70 points, for pass the project student need to have minimum 50 % of points.

Capston project passed before winter session – the final grade will be in the first term. Project passed in the first week of session – the final grade will be in the second term. Project passed before new semester- final grade will be in the third term.

More informations will be presented on the first lecture and exercise.

 

Informacje o zajęciach:

Wykłady są nieobowiązkowe, potrzebna w trakcie ćwiczeń będzie wiedza z wykładów.

Osoby przeszkadzające w trakcie wykładów, będą miały obniżoną ocenę końcową: -10 puntów za każde upomnienie.

Na ćwiczeniach student może mieć jedną nieobecność nieusprawiedliwioną. 50% nieobecności z ćwiczeń lub więcej (także usprawiedliwionych) brak zaliczenia z ćwiczeń.

Student musi wykonać w domu zadania z zajęć na których nie był obecny, zostaną one sprawdzone przez prowadzącego ćwiczenia na kolejnych zajęciach. Istnieje możliwość odrobienia zajęć na drugiej grupie, wyłącznie gdy druga grupa ma te same ćwiczenia co student ma nieobecność oraz po uzyskaniu zgody od prowadzącego. W innych przypadkach student nie uzyska zaliczenia obecności takich ćwiczeń.

Na zakończenie ćwiczeń składa się projekt końcowy (70 punktów), kartkówki z wykładów (każda po 5 punktów) oraz oceny z zadań domowych (każde oceniane zadanie domowe 5 puntów).

Projekt końcowy oddany do końca semestru- ocena końcowa w I terminie, do końca 1 tygodnia sesji- ocena końcowa w II terminie, sesja jesienna- ocena końcowa w III terminie.

Aby uzyskać zaliczenie z ćwiczeń (ocena minimum 3.0) należy uzyskać minimum 50% z projektu końcowego i minimum 50 punktów z całości zajęć.

Więcej informacji na zajęciach i wykładach.