S3: Metodologia analizei datelor: tehnici de data mining

InfoTitularTematicaBibliografieEvaluareObiective

Număr de credite: 8
Cod: AMR1130
Predare: curs 2h, seminar 1h
Limba de predare:
Tip: curs principal, semestrul 3, Masteratul Comunicare, Societate şi Mass Media

Mircea Comşa
profesor universitar doctor
Facultatea de Sociologie şi Asistenţă Socială
Universitatea Babeş-Bolyai

Curs

  1. Why and What Is Data Mining? RapidMiner: Fundamental Terms
  2. The Virtuous Cycle of Data Mining. RapidMiner: Design
  3. Data Mining Methodology and Best Practices. RapidMiner: Analysis Processes
  4. Data Mining Applications in Marketing and CRM. RapidMiner: Display
  5. The Lure of Statistics: Data Mining Using Familiar Tools. RapidMiner: Repository
  6. Decision Trees
  7. Artificial Neural Networks
  8. Nearest Neighbor Approaches
  9. Market Basket Analysis and Association Rules
  10. Automatic Cluster Detection
  11. Text Mining
  12. More examples and practice & Project discussions
  13. More examples and practice & Project discussions
  14. More examples and practice & Project discussions

Seminar

  1. Why and What Is Data Mining? RapidMiner: Fundamental Terms
  2. The Virtuous Cycle of Data Mining. RapidMiner: Design
  3. Data Mining Methodology and Best Practices. RapidMiner: Analysis Processes
  4. Data Mining Applications in Marketing and CRM. RapidMiner: Display
  5. The Lure of Statistics: Data Mining Using Familiar Tools. RapidMiner: Repository
  6. Decision Trees
  7. Artificial Neural Networks
  8. Nearest Neighbor Approaches
  9. Market Basket Analysis and Association Rules
  10. Automatic Cluster Detection
  11. Text Mining
  12. More examples and practice & Project discussions
  13. More examples and practice & Project discussions
  14. More examples and practice & Project discussions

 

Berry, M. J. şi Linoff, G. S. 2004/2011. Data Mining Techniques: For Marketing, Sales, and Customer
Relationship Management. John Wiley & Sons. RapidMiner User Manual. www.rapid-i.com.

CURS:

 

Metode de evaluare

  • 100% proiect de cercetare

Criterii de evaluare:

  • proiect de cercetare

SEMINAR:

 

Metode de evaluare:

  • 100% proiect de cercetare

Criterii de evaluare:

  • proiect de cercetare

 

Pentru evaluare fiecare masterand va realiza, individual sau în grup (2-4), un raport de cercetare pe o temă la alegere, folosind un set de date adecvat (dintre cele oferite sau altele). O structură posibilă a raportului este următoarea:

  1. problema de cercetare: tema, importanţa / utilitatea, prezentarea conceptelor, prezentarea gradului de cunoaştere relativ la temă conform literaturii de specialitate, analiza critică a rezultatelor obţinute de alte studii (20 pct.);
  2. obiective / interogații de cercetare (20 pct.);
  3. analiza şi interpretarea datelor: descrierea datelor utilizate, tehnica de analiză, prelucrarea şi analiza datelor, interpretarea şi comentarea rezultatelor obţinute în relaţie cu obiectivele iniţiale (20 pct.);
  4. concluzii și recomandări (20 pct.);
  5. bibliografie şi anexe (10 pct.).

Lungime: aproximativ 7-8 pagini (3-4000 cuvinte).

Obiective generale

Cursul urmăreşte să prezinte la un nivel introductiv principalele practici, instrumente şi tehnici specifice domeniului data mining.

Obiective specifice

1. Să recunoască şi să descrie o situaţii şi probleme în care data mining poate fi utilizată.
2. Să identifice conceptele şi variabilele specifice unor domenii diferite şi în cadrul acestora a unor probleme specifice.
3. Să transpună problemele identificate în probleme practice/tehnice.
4. Să identifice tehnicile de data mining potrivite pentru rezolvarea problemelor practice şi să selecteze una dintre acestea.
5. Să identifice sursele de date necesare.
6. Să implementeze tehnica de data mining selectată folosind softul RapidMiner.
7. Să interpreteze rezultatele obţinute şi să le traducă în recomandări/soluţii relativ la problemele identificate anterior.