Okruhy, ze kterých si vylosujete teoretickou otázku ke zkoušce M8DM1 Data mining I:
1. Data mining, KDD proces a vše kolem.
2. Dataminingové metodologie.
3. Relační databáze a jazyk SQL.
4. BI - datový sklad, OLAP, OLTP.
5. Integrace dat.
6. Čištění dat.
7. Transformace dat.
8. Redukce dat.
9. Praktická aplikace modelu na data.
10. Praktická interpretace modelu a jeho parametrů.
Matematické (metodologické) otázky ke zkoušce M8DM1 Data mining I:
1. Analýza hlavních komponent. Popište cíle analýzy hlavních komponent. Jak jsou komponenty konstruovány? V čem spočívá redukce dimenze? Jak se interpretují její výsledky? Jak se v praxi aplikuje?
2. Faktorová analýza. Popište cíle a model faktorové analýzy. Jak se faktory hledají? Jak se v praxi aplikuje? Jak se interpretují její výsledky? K čemu slouží rotace?
3. Mnohorozměrné škál ování. Popište úlohu mnohorozměrného škálování. Popište algoritmus metrického škálování a zobrazení dat v prostoru nízké dimenze. Jaký je rozdíl mezi metrickým a nemetrickým škálováním?
4. Exploratorní analýza dat. Popište k čemu slouží exploratorní analýza dat. Popište metody jednorozměrné a mnohorozměrné exploratorní analýzy pro numerické i kate-goriální proměnné. Vizualizace dat.
5. Kontingenční tabulky. Popište testy nezávislosti v kontingenčních tabulkách. Jak se v nich měří závislosti? Popište znaménkové schéma. K čemu se používá? Co to je a k čemu se používá korespondenční analýza? Popište její základní myšlenky. Jak se interpretují její výsledky?
6. Analýza nákupního košíku. Popište analýzu nákupního košíku. Jaké číselné charakteristiky pravidel se používají? Jak se hledají pravidla pro dvou i víceprvkové množiny? Popište její zobecnění pro negované položky a hierarchické struktury dat.
7. Shluková analýza. Popište úlohu shlukové analýzy. Popište algoritmus a uveďte metody hierarchického shlukování. V čem se nehierarchické shlukování liší od hierarchického. Popište metodu fc-means a fc-medoids. Jaké metody se používají pro určení výsledného počtu shluků?
8. Lineární regrese. Popište model lineární regrese, jeho předpoklady a interpretujte parametry modelu. Co to je multikolinearita? Jak se identifikuje a jaké může mít následky? Popište hřebenovou regresi a LASSO. K čemu se tyto metody používají?
9. Logistická regrese. Popište model logistické regrese. Co znamenají jednotlivé parametry tohoto modelu? Co to je logistické skóre? Jak se v logistické regresi odhadují hodnoty závisle proměnné? Co to je ROC a Lorenzova křivka? Uveďte číselné charakteristiky odvozené od těchto křivek.
10. Rozhodovací stromy. Jakou úlohu řešíme pomocí rozhodovacích stromů? Popište algoritmy CART a CHAID. K čemu slouží a jak funguje prořezávání? Uveďte číselné charakteristiky popisující kvalitu modelu.