Unsupervised Learning 2400-SP-DS-USL

Celem przedmiotu jest zapoznanie słuchaczy z możliwościami algorytmów odkrywania wiedzy z danych (Knowledge Discovery in Databases, KDD) wykorzystujących uczenie bez nadzoru (ang. unsupervised learning). Przedstawione zostaną główne algorytmy reguł asocjacyjnych (Apriori, Eclat) oraz poszukiwania grup danych przez klastrowanie i możliwość ich wykorzystania w analityce biznesowej. Ich zastosowanie dotyczy głównie danych transakcyjnych (tzw. market basket analysis) i poszukiwania reguł najczęściej występujących wspólnie produktów w koszyku. Realizowane będą modele dla danych rzeczywistych, wymagających przekształcenia i wyczyszczenia danych wejściowych. Wśród metod grupowania omówione zostaną hierarchiczna analiza skupień, metoda k-średnich oraz metody wykorzystujące funkcję gęstości lub model.