Algorytmy specjalnego zastosowania w Big Data (I)- wykład WSE-BD-ASZwBD(I)-w

Moduł 1: Analiza skupień i profilowanie użytkowników
1️ Analiza skupień – metody K-Means – Podstawowe techniki grupowania obiektów w Big Data.
2️ Zaawansowane techniki analizy skupień –Segmentacja danych w bardziej złożonych zbiorach.
3️ Profilowanie użytkowników i dopasowanie krzywych modelowych – Identyfikacja wzorców w danych
Moduł 2: Analiza gradacyjna i analiza korespondencji
4️ Gradacyjna analiza korespondencji – wprowadzenie – Metoda eksploracji danych jakościowych.
5️ Zaawansowane modele gradacyjnej analizy korespondencji
6️ Zastosowanie gradacyjnej analizy korespondencji w Big Data – Analiza zachowań konsumenckich i eksploracja relacji między zmiennymi jakościowymi.

Moduł 3: Analiza sieci społecznych (Social Network Analysis, SNA)
7️ Podstawy analizy sieci społecznych (SNA) – Struktura sieci, stopień centralności, analiza powiązań.
8️ Zastosowania SNA w badaniach – Analiza wpływu, detekcja kluczowych węzłów w sieci.
9️ Modelowanie interakcji i rozprzestrzeniania informacji w sieciach – Jak Big Data pomaga w analizie dynamiki sieci.

Moduł 4: Analiza koszykowa i algorytmy asocjacyjne
10 Analiza koszykowa – wprowadzenie do algorytmu Apriori – Jak odkrywać zależności między produktami na podstawie danych transakcyjnych.
11 Zaawansowane algorytmy analizy koszykowej
12 Wykorzystanie analizy koszykowej w marketingu i e-commerce – Personalizacja rekomendacji i przewidywanie trendów zakupowych.

Moduł 5: Random Forest i metody zespołowe
13 Random Forest – zasady działania i struktura algorytmu – Wprowadzenie do metody, podział na klasyfikację i regresję.
14 Zastosowanie Random Forest w Big Data – Wykorzystanie w analizie predykcyjnej i eksploracyjnej.