Course: Decision Support Methods and Systems

« Back
Course title Decision Support Methods and Systems
Course code KEM/DSSN
Organizational form of instruction Seminary
Level of course Doctoral
Year of study not specified
Semester Winter and summer
Number of ECTS credits 10
Language of instruction Czech
Status of course Optional
Form of instruction Face-to-face
Work placements This is not an internship
Recommended optional programme components None
Lecturer(s)
  • Gangur Mikuláš, Doc. RNDr. Ph.D.
Course content
Use of information and knowledge in decision-making processes. Processes of data mining in databases, CRISP-DM methodology. Sources of data mining: databases, statistical methods and machine learning. Machine learning methods: decision trees, decision rules, association rules, neural networks, genetic algorithms, and Bayesian learning methods. Use of statistical tools and machine learning tools in Statistica SW and Mathematica SW. Evaluation methods of designed models. Methods of data preparation. Overview of systems for data mining in databases. Principles of Decision Support Systems (DSS) Tools for creating Decision Support Systems. Predictive markets, their principles and applications in DSS.

Learning activities and teaching methods
unspecified
prerequisite
professional knowledge
sestavit základní SQL příkazy pro získání požadovaných dat. Aplikovat znalosti získané v kurzech KEM/STA, KEM/SZD a KEM/ADM. Použít prakticky teorii statistického testování hypotéz. Provést explorativní analýzu dat a ověřit jejich kvalitu. Analyzovat záviislost dvou proměnných, aplikovat teorii regresních funkcí jedné vysvétlující proměnné. Pracovat s kovariančními a korelačními maticemi. Pracovat s maticemi, znat jejich vlastnosti a aplikovat maticové operace, nalézt vlastní čísla a vlastní vektory
professional skills
pracovat s vybraným databázovým systémem pro získání požadovaných dat. Pracovat s rozšířeným seznamem statistických funkcí v MS Excel. Pracovat se základními funkcemi SW Statistica (načtení dat, modifikace dat, základní statistiky, grafy). Pracovat se základními funkcemi SW Mathematica (základy práce s notebookem, vkládání funkcí, práce s napovědou, grafické funkce)
learning outcomes
professional knowledge
přehled vybraných metod zpracování dat a získávání znalostí. Porozumění principům vybraných metod, znalost předpokladů jejich použití. Porozumění výstupům a znalost postupů následné interpretace. Porozumění prinicpům data miningu a porozumění kritériím pro volbu vhodných metod
professional skills
volba správné metody s ohledem na analýzu problému. Analýza a ověřování kvality dat. Praktické použití zvolené metody ve vybraném SW (Statistica, Mathematica, MS Excel). Testování modelů a jejich srovnání. Interpretace výsledků na základě výstupů. Aplikace výsledků při vlastním rozhodvání
teaching methods
professional knowledge
Lecture supplemented with a discussion
Seminar
E-learning
Students' self-study
One-to-One tutorial
Group discussion
Individual study
professional skills
Seminar
Lecture with practical applications
One-to-One tutorial
Group discussion
general eligibility
One-to-One tutorial
Seminar
Discussion
Students' portfolio
Lecture with practical applications
assessment methods
professional knowledge
Oral exam
Project
professional skills
Skills demonstration during seminar
Project
Seminar work
general eligibility
Seminar work
Skills demonstration during seminar
Project
Recommended literature
  • Berka, Petr. Dobývání znalostí z databází. Vyd. 1. Praha : Academia, 2003. ISBN 80-200-1062-9.
  • Gangur, Mikuláš. Prediktivní trhy : principy, struktura a využití prediktivních trhů : pobídkové a motivační systémy prediktivních trhů : problematika implementace prediktivního trhu. Vydání první. 2015. ISBN 978-80-7478-847-5.
  • Hebák, Petr. Statistické myšlení a nástroje analýzy dat. Vyd. 1. Praha : Informatorium, 2013. ISBN 978-80-7333-105-4.
  • Hendl, Jan. Přehled statistických metod : analýza a metaanalýza dat. Páté, rozšířené vydání. 2015. ISBN 978-80-262-0981-2.
  • Mitchell, Tom Michael. Machine learning. Boston : McGraw-Hill, 1997. ISBN 0-07-042807-7.
  • Rokach, Lior; Maimon, Oded. Data mining with decision trees : theory and applications. Hackensack : World Scientific, 2008. ISBN 978-981-277-171-1.
  • Rud, Olivia Parr. Data mining : praktický průvodce dolováním dat pro efektivní prodej, cílený marketing a podporu zákazníků (CRM). Vyd. 1. Praha : Computer Press, 2001. ISBN 80-7226-577-6.
  • Vaughan Williams, Leighton. Prediction markets : theory and applications. New York : Routledge, 2011. ISBN 978-0-415-57286-6.


Study plans that include the course
Faculty Study plan (Version) Branch of study Category Recommended year of study Recommended semester
Faculty of Economics Economics and Management (2017) Economy - -
Faculty of Economics Economics and Management (2017) Economy - -