1.Knowledge Management – podstatné rysy, uplatnění ve firmě, rozbor
pojmů data, informace znalosti , dělení organizací na základě typu znalostí,
se kterými pracují. Fáze Managementu znalostí.
2.Business Inteligence (BI) – vysvětlení pojmu, integrace podnikových
procesů, integrace dat, integrace s okolím podniku. Architektura BI na
příkladu zvolené organizace.
3.Knowledge Discovery in Databases – vysvětlení pojmu, charakteristika
jednotlivých etap.
4.Podstata dolování dat, významné rysy, popis používaných metod.
Struktura úlohy pro dolování dat na příkladu metodologie SEMMA.
5.Datové kostky – uložení dat v OLAP systémech, databázová schémata,
techniky užívané pro analýzu dat.
6.Profesionální systémy pro dobývání znalostí z databází, příklad
libovolné aplikace v praxi.
7.Stručná charakteristika dobývání znalostí z nestrukturovaných dat –
reprezentace dokumentu jako vektoru.
8.Možnosti systémů pro vyhledávání v nestrukturovaných datech vzhledem
ke schopnosti porozumění daného obsahu textu.
9.Využití UB-stromů pro vyhledávání v multidimenzionálním vektorovém
prostoru.
10.Podstata datového skladu, dvojí pojetí architektury, analýza
základních rozdílů mezi provozními systémy a datovými sklady. Nástroje
využívané při budování a provozování datového skladu.
11.Návrh databázového schématu datového skladu – tabulky faktů a dimenzí,
časový faktor, granularita dat.
12.Funkce metadat v datovém skladu, administrativní metadata, uživatelská
metadata.
pojmů data, informace znalosti , dělení organizací na základě typu znalostí,
se kterými pracují. Fáze Managementu znalostí.
2.Business Inteligence (BI) – vysvětlení pojmu, integrace podnikových
procesů, integrace dat, integrace s okolím podniku. Architektura BI na
příkladu zvolené organizace.
3.Knowledge Discovery in Databases – vysvětlení pojmu, charakteristika
jednotlivých etap.
4.Podstata dolování dat, významné rysy, popis používaných metod.
Struktura úlohy pro dolování dat na příkladu metodologie SEMMA.
5.Datové kostky – uložení dat v OLAP systémech, databázová schémata,
techniky užívané pro analýzu dat.
6.Profesionální systémy pro dobývání znalostí z databází, příklad
libovolné aplikace v praxi.
7.Stručná charakteristika dobývání znalostí z nestrukturovaných dat –
reprezentace dokumentu jako vektoru.
8.Možnosti systémů pro vyhledávání v nestrukturovaných datech vzhledem
ke schopnosti porozumění daného obsahu textu.
9.Využití UB-stromů pro vyhledávání v multidimenzionálním vektorovém
prostoru.
10.Podstata datového skladu, dvojí pojetí architektury, analýza
základních rozdílů mezi provozními systémy a datovými sklady. Nástroje
využívané při budování a provozování datového skladu.
11.Návrh databázového schématu datového skladu – tabulky faktů a dimenzí,
časový faktor, granularita dat.
12.Funkce metadat v datovém skladu, administrativní metadata, uživatelská
metadata.