Tutvustada andmekaevandamise ning võrgustike analüüsi põhimõisteid ja meetodeid

To introduce the main concepts and methods of data mining and network analysis.

Üliõpilane:
Tunneb andmekaevandamise põhimõisteid: atribuut, tunnus, kauguse ja sarnasuse funktsioon jne.
Tunneb andmekaevandamise põhiülesandeid : Klasterdamine, klassifitseerimine, võõrväärtuste analüüs ja assotsiatiivsete mustrite analüüs.
Tunneb kõigi põhiülesannete matemaatilisi aluseid.
Oskab andmekaevandamise probleeme formaalselt püstitada.
Oskab valida andmekaevandamise probleemi lahendamiseks sobiva meetodi.
Tunneb andmekaevandamise põhimeetodite algoritme ja oskab neid implementeerida.
Oskab tulemusi interpreteerida.

The student:
Is familiar with main notions used in datamining such as Attribute, feature, distance/ similarity function.
Understands main problems of the data mining area: clustering, classification, outlier analysis and associative patterns mining.
Familiar with mathematical foundations of each problem.
Is able to formally state data mining problem.
Able to choose methods to solve given problem.
Able to program the algorithms of most popular methods.
Able to interpret achieved results.

Õppetöö on korraldatud loengute ja harjutustundide vormis. Loengute jooksul käsitletakse andmekaevandamise teoreetilised aspekte, nende matemaatilisi ja algoritmilisi aluseid.
Harjutustundides on tähelepanu all põhimeetodite ja algoritmide programmerimine „R“ keeles.
Andmekaevandamise põhimõisted ja probleemid: Kauguse ja sarnasuse funktsioon, klasterdamine, klassifitseerimine, võõrväärtuste analüüs ja assotsiatiivsete mustrite analüüs on kaetud aine esimeses osas. Aine teine osa on pühendatud mõistete ja meetodite adapteerimisele tüüpülesannete lahendamiseks: ruumiandmede kavandamine, graafiandmete kaevandamine ja sotsiaalvõrugustike analüüs, andmevoogude kaevandamine.

Teaching is performed by means of lectures and practices. Lectures are devoted to the theory of data mining. Practices are conducted in the computer class, where implementation of main algorithms is discussed using “R” language. The course consists of two parts. First part is devoted to the main notions and problems of data mining. Main notions and concept, such as, distance function, cluster analysis, classification, outlier analysis, associative pattern mining are covered. The second part of the course is devoted to the application of this knowledge to such problems as: spatial data mining, stream data mining, graph data mining and social networks analysis.

valikuliste iseseisvate tööde ning grupitööde summeerimine

adding the results of selected individual and group assignments

Õppematerjalide lugemine, iseseisvate tööde koostamine

Reading study materials, preparing individual assignments

Title Data Mining: The Textbook
Author Charu C. Aggarwal

Edition illustrated
Publisher Springer International Publishing, 2015
ISBN 3319141414, 9783319141411

-