Předmět Zpracování nestrukturovaných dat (USII / KZND)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu USII / KZND - Zpracování nestrukturovaných dat, Fakulta ekonomicko-správní, Univerzita Pardubice (UPa).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Obsah
Úloha a vlastnosti nestrukturovaných datMožnosti vytváření invertovaných indexůSlovníkové modelyStatistické přístupy k extrakci z nestrukturovaných datZískávání relací z nestrukturovaných datSémantické anotování a ontologieExtrakce vizuální a textové informace z obrazuModely pro vyhledávání informací a obrazuModely automatického rozpoznávání řečiHodnocení kvality zpracování nestrukturovaných dat
Získané způsobilosti
Po absolvování předmětu by měl student rozumět teoretickým i praktickým aspektům předzpracování nestrukturovaných dat a možnostem vyhledávání informací v těchto datech. Měli by také být schopni navrhnout systém pro automatické zpracování nestrukturovaných dat.
Literatura
BOULTON, D., HAMMERSLEY, M. Analysis of Unstructured Data. London, 2006. MANNING, CH. D., RAGHAVAN, P., SCHUTZE, H. Introduction to Information Retrieval. New York, 2008. HEATH, T., BIZER, CH. Linked Data: Evolving the Web into a Global Data Space. 2011. nb.vse.cz/~svatek/SemWeb-Svatek_PDW.pdf?MANNING, C. D. Foundations of Statistical Natural Language Processing. Cambridge, 1999. DATTA, R., JOSHI, D., LI, J., WANG, J. Z. Image Retrieval: Ideas, Influences, and Trends of the New Age. 2008. AUGER, A., BARRI?RE, C. Pattern-based Approaches to Semantic Relation Extraction: A State-of-the-art. 2008. MINER, G. Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications. Amsterdam, 2012. GRIMM, M., KROSCHEL, K. Robust Speech Recognition and Understanding. Vienna, 2007.
Požadavky
Zápočet: Zpracování zadaných úloh s minimálně 60% úspěšností. Úspěšné obhájení praktického projektu, při němž student prokáže schopnost aplikovat získané teoretické znalosti. Projekt bude zahrnovat návrh systému pro automatické zpracování zvolené množiny nestrukturovaných dat.Zkouška:Vyhodnocení zkoušky: 40% hodnocení projektu, 60% hodnocení písemného přezkoušení. Celková minimální úspěšnost písemného přezkoušení je 60%.
Garant
doc. Ing. Petr Hájek, Ph.D.
Vyučující
doc. Ing. Petr Hájek, Ph.D.