Evropské centrum pro medicínskou informatiku, statistiku a epidemiologii Univerzity Karlovy a Akademie věd ČR

pořádalo seminář

Inteligentní analýza dat

Praha, 18. - 20. října, 1994

Program:

 

Seznámení se systémem PC-GUHA

Teoretické minimum

Ukázky řešených příkladů orientované pokud možno na oblasti působení účastníků

Praktická práce se systémem PC-Assoc

Seznámení se systémem Kex

Teoretické minimum

Ukázky řešených příkladů orientované pokud možno na oblasti působení účastníků

Praktická práce se systémem Kex

Perspektivy dalšího vývoje obou systémů

 

Inteligentní analýza dat

Díky rozvoji hardware a software roste nejen objem zpracovávaných dat v jednotlivých oblastech nasazení, ale i možnosti konfrontace dat z různých oblastí. Lze například získat data popisující život výrobku od dodávek subdodavatelů přes detaily výroby, uvedení do provozu, záruční provoz až k podrobnostem běžného provozu, oprav a údržby. Podobně ve službách, státní správě i jinde. Výsledkem jsou často rozsáhlá a složitě strukturovaná data. Lze předpokládat, že v nich je skryto více informací, než lze získat obvyklými metodami. Nebývá však předem známo, jaké všechny informace lze získat, nevíme na co přesně se ptát.

V oblasti inteligentní analýzy dat se zabýváme:

explorační analýzou dat
Analýzou rozsáhlých dat v situacích, kdy není dostatečně jasné, co vše může být výsledkem, se zabývá explorační analýza dat. Jejím cílem je vyčíst z dat maximum informace, inspirace, poučení - to vše vzhledem k nějakému obecnému, často vágně formulovanému problému (např. analýza příčin poruchovosti). Tím se explorační analýza liší od konfirmační analýzy dat, která se zabývá testováním předem přesně formulovaných hypotéz. Zjednodušeně řečeno, úkolem konfirmační analýzy je dávat odpovědi na otázky typu "Je pravda, že...?", úkolem explorační analýzy je nabízet odpovědi na otázky typu "Jsou zde nějaké zajímavé vztahy?".

automatizovaným získáváním znalostí z dat
Ze vztahů získaných analýzou z observačních dat lze automaticky vyčlenit znalosti a vytvořit bázi pravidel použitelnou pro expertní systémy diagnostického typu. Cílem takového expertního systému bude predikovat přitomnost cílové vlastnosti. (Predikcí se zde rozumí stanovení, zda se pro daný objekt dá očekávat výskyt cílové vlastnosti). Vytvořená báze pravidel je na základě dat automaticky testována, takže lze (na rozdíl od bází znalostí získaných od experta) objektivně posoudit její použitelnost.