Ukládání a příprava dat

• 26 hod. přednášky
• 6 hod. seminář
• 6 hod. pc laboratoře
• 14 hod. projekty

• 56 bodů závěrečná zkouška (písemná část)
• 20 bodů půlsemestrální test (písemná část)
• 24 bodů projekty

Cílem předmětu je vysvětlit historický vývoj databázových technologií, motivaci získávání znalostí z dat a základní kroky procesu získávání znalostí, vysvětlit podstatu, vlastnosti a použití rozšířených relačních a NoSQL databází jako zdrojů dat pro získávání znalostí a vysvětlit přístupy a metody používané pro pochopení dat a přípravu dat pro získávání znalostí.

Studenti budou schopni ukládat a manipulovat data ve vhodných databázových systémech, zkoumat vlastnosti dat a připravit je pro následné modelování v rámci získávání znalostí.

• Student lépe zvládne práci s daty v různých situacích.
• Student se zdokonalí v řešení malých projektů v malém týmu.

Předmět si klade za cíl ukázat, jak na složitá data kolem nás, jak je uložit, jak se v nich orientovat, získat z nich užitečné charakteristiky a připravit je pro extrakci skrytých informací/znalostí aplikací metod strojového učení a jiných pokročilých metod analýzy.

• Základy relačních databází a jazyka SQL.
• Objektově orientované paradigma.
• Základy jazyka XML.
• Základy výpočetní geometrie.
• Základy statistiky a pravděpodobnosti.

1. Úvod do předmětu, objektový přístup v databázích.
2. NoSQL databáze I - úvod do NoSQL, CAP teorém a BASE, databáze klíč-hodnota a způsob uložení dat, rozdělení (partitioning) a distribuce dat.
3. NoSQL databáze II - modely dat v NoSQL databázích (sloupcové, dokumentové a grafové databáze), dotazování a agregace dat, NewSQL databáze.
4. Příprava dat - porozumění datům: popisné charakteristiky, vizualizační techniky, korelační analýza.
5. Příprava dat - předzpracování I: čištění dat, integrace.
6. Příprava dat - předzpracování II: redukce dat a řešení nevyváženosti dat, transformace dat, další úlohy předzpracování.
7. Půlsemestrální zkouška.
8. Extrakce dat z webu (web scraping).
9. Sémantický web a propojená data.
10. Jazyky a systémy pro získávání znalostí z dat, reálné případové studie.
11. Podpora pro práci s XML a JSON dokumenty v databázích.
12. Prostorové databáze.
13. Indexování vícedimenzionálních dat.

1. Objekty a dokumenty v databázích
2. NoSQL databáze
3. Získávání znalostí z dat - příprava dat

1. Objekty a dokumenty v databázích
2. NoSQL databáze
3. Získávání znalostí z dat - příprava dat

Vytvoření aplikace pro zpracování rozsáhlých strukturovaných i nestrukturovaných dat, které zahrnuje, mimo jiné, získání a načtení dat, jejich přípravou pro další využití (např. pro získávání znalostí z databází) a tvorbu popisných charakteristik pro zvolená data.

• Půlsemestrální písemná zkouška, neexistuje náhradní/opravný termín, omluvené neúčasti řeší zástupce garanta.
• Vypracování a odevzdání výsledků projektu v předepsaných termínech, omluvené neúčasti řeší cvičící.
• Závěrečná zkouška, kde je pro získání bodů ze zkoušky nutné zkoušku vypracovat tak, aby byla hodnocena nejméně 20 body (v opačném případě bude zkouška hodnocena 0 body). Omluvenou neúčast řeší zástupce garanta.

Student musí během semestru získat alespoň 20 bodů ze 44 možných.
Pokud bude odhaleno plagiátorství nebo nedovolená spolupráce na projektech, či u půlsemestrální zkoušky, zápočet nebude udělen a dále bude zváženo zahájení disciplinárního řízení.