Šifra: 2206
Naziv Predmeta: Informatičke metode otkrivanja znanja
Studijski program: Molekularne bioznanosti
Modul: Bioinformatika
Nositelj predmeta:

izv.prof. dr. sc. Dario Galić
Ustanova nositelja predmeta:

Medicinski fakultet, Sveučilište Josipa Jurja Strossmayera u Osijeku
Suradnici – izvoditelji:
Status predmeta: Izborni kolegij
Godina u kojoj se predmet predaje: I. godina
Semestar u kojem se predmet predaje: II. semestar
Cilj predmeta:

Naučiti metode otkrivanja znanja zasnovanih na tehnikama induktivnog strojnog učenja i spoznati njihovu primjenu u medicini, genetici i kemiji.
Sadržaj predmeta:

Baze podataka i potreba za metodama njihove analize. Analiza podataka s ciljem predikcije i klasifikacije neklasificiranih primjera. Otkrivanje znanja u znanstveno-istraživačkom radu s primjenom u formiranju novog znanja i usmjeravanju istraživanja. Proces analize podataka metodama umjetne inteligencije. Algoritmi induktivnog učenja, asocijacijskog učenja, otkrivanja podgrupa, otkrivanja izuzetaka i grešaka. Klasteri podataka. Indukcija iz vremenskih slijedova podataka. Vizualizacija otkrivenog znanja. Učenje iz relacijskih baza podataka. Usporedba znanja ekstrahiranog pomoću raznih sustava te statističkih metoda. Primjena statističkih metoda u verifikaciji i detekciji potvrđujućih faktora. Praktični rad na stvarnim medicinskim, bioinformatičkim i kemijskim problemima s naglaskom na odabiru podataka, predprocesiranju i transformaciji podataka, generiranju znanja u obliku pravila te njihovoj ekspertnoj interpretaciji. Korišteni sustavi: Data Mining Server, Weka i Tanagra.
Ishodi učenja: kompetencije, znanje, vještine koje predmet razvija:

1. Koristiti metode otkrivanja znanja na svojim i javno dostupnim podacima u znanstvenim i razvojnim istraživanjima.
2. Analizirati vlastite podatke i podatke znanstvenih i razvojnih istraživanja.
3. Valorizirati podatke u svrhu rješavanja stvarnih medicinskih, bioinformatičkih i kemijskih problema.
4. Formulirati hipoteze pogodne za teoretsku i eksperimentalnu verifikaciju i znanstvene publikacije.
ECTS bodovi 6
Predavanja 20
Seminari (IS) 5
Vježbe (E) 5
Ukupno 30
Način izvođenja nastave i usvajanja znanja:

Obvezan samostalan rad, po mogućnosti na vlastitim podacima.
Način izvođenja nastave i usvajanja znanja: (napomene)
Praćenje i ocjenjivanje studenata (označiti masnim tiskom samo relevantne kategorije) Pohađanje nastave, Obvezan seminarski rad
Način ocjenjivanja: Usmeni ispit, Projekt
Obvezna literatura:

M.Berthold, D.J:Hand: Intelligent Data Analysis – An Introduction. Springer 1999.
H.Liu, H.Motoda: Instance Selection and Construction for Data Mining. Kluwer 2001
D.Mladenić, N.Lavrač, M.Bohanec, S.Moyle: Data Mining and Decision Support –Integration and Collaboration. Kluwer 2003
S.Džeroski, N.Lavrač: Relational Data Mining. Springer 2001.
A.A.Freitas: Data Mining and Knowledge Discovery with Evolutionary Algorithms. Springer 2002.
Dopunska (preporučena) literatura:

L.DeRaedt: Advances in Inductive Logic Programming. IOS Press 1995.
Način praćenja kvalitete i uspješnosti izvedbe (evaluacija):

Uspješnost kolegija će evaluirati svake godine zajedničko stručno povjerenstvo Instituta Ruđer Bošković, Sveučilišta u Dubrovniku i Sveučilišta Josipa Jurja Strossmayera u Osijeku na temelju uspjeha na ispitu i anketa.