Diplomová práce nese název "Reálná úloha dobývání znalostí", bude rozdělena na dvě velké části, a to na teoretickou a praktickou. V praktické části jsou popsané základní pojmy data mining, jednotlivé metody a typy úloh používaných pří dobývání znalosti z databáze a algoritmy relevantní pro tuto oblast problematiky. Velká kapitola je věnovaná metodice CRISP-DM a jednotlivým fázím dobývání znalostí z databáze, která bude použitá jako hlavní metodika při realizace praktické části diplomové práce, p... show full abstractDiplomová práce nese název "Reálná úloha dobývání znalostí", bude rozdělena na dvě velké části, a to na teoretickou a praktickou. V praktické části jsou popsané základní pojmy data mining, jednotlivé metody a typy úloh používaných pří dobývání znalosti z databáze a algoritmy relevantní pro tuto oblast problematiky. Velká kapitola je věnovaná metodice CRISP-DM a jednotlivým fázím dobývání znalostí z databáze, která bude použitá jako hlavní metodika při realizace praktické části diplomové práce, přičemž nebude zapomenuto i na ostatní méně známé a používané metodiky z dané oblasti. Na závěr teoretické části je prezentován seznam, jak placeného, tak volně dostupného softwaru, který lze použit pro dobývání znalostí z databáze. Druhá velká část diplomové práce se bude věnovat praktickému použití metodiky CRISP-DM podle jednotlivých kroků, které obsahuje nad reálnými daty z oblasti mobilní telekomunikace. Hlavní data mining úloha, která se řeší v praktické části, je predikce odhadu zákazníků mobilního operátora. Software pro dobývání znalostí z databáze byl zvolen mně známy IBM SPSS Modeler. Klíčová slova: data mining, dobývání znalostí z databáze, churn management, predikce, CRISP-DM |