Data Mining and Machine Learning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F04274644%3A_____%2F17%3A%230000225" target="_blank" >RIV/04274644:_____/17:#0000225 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61384399:31140/17:00050058

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Data Mining and Machine Learning

Popis výsledku v původním jazyce

The rapid growth of data collected and stored in various application areas brings new problems and challenges in their processing and interpretation. While database technology provides tools for data storage and “simple” querying, and statistics offers methods for analyzing small sample data, new approaches are necessary to face these challenges. These approaches are usually called knowledge discovery in databases (KDD) or data mining. KDD can be applied in various domains: banking and finance, insurance, life sciences, retail, technical diagnostics, computer networks, social networks e.t.c. Let us consider an example from medical domain, the analysis of atherosclerosis risk factors data with the aim to build a model that will differentiate between normal and risky patients.

Název v anglickém jazyce

Data Mining and Machine Learning

Popis výsledku anglicky

The rapid growth of data collected and stored in various application areas brings new problems and challenges in their processing and interpretation. While database technology provides tools for data storage and “simple” querying, and statistics offers methods for analyzing small sample data, new approaches are necessary to face these challenges. These approaches are usually called knowledge discovery in databases (KDD) or data mining. KDD can be applied in various domains: banking and finance, insurance, life sciences, retail, technical diagnostics, computer networks, social networks e.t.c. Let us consider an example from medical domain, the analysis of atherosclerosis risk factors data with the aim to build a model that will differentiate between normal and risky patients.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

International Journal on Biomedicine and Healthcare

ISSN

1805-8698

e-ISSN

—

Svazek periodika

5

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

2

Strana od-do

53-54

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—