Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Databázové a znalostní systémy

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
2371079 Z,ZK 5 3P+1C česky
Přednášející:
Cvičící:
Předmět zajišťuje:
ústav přístrojové a řídící techniky
Anotace:

Základní datové modely. Typy a příklady databázových systémů. Systémy řízení databázových systémů. Příklady návrhu databází. Programovací techniky. Jazyk SQL a jeho modifikace. Základy programování databázových systémů v prostředích MS ACCESS a SQL dotazů. Logické odvozování. Principy vytěžování znalostí na databázích.

Úvod do znalostních systémů, příklady použití. Znalostní systémy na základě formální logiky. Prolog. Znalostní systémy s výpočtem nejistot. Teorie fuzzy množin. Pravidlové systémy. Expertní systémy - modulární struktura. Příklady expertních systémů: Expert System Builder, ETS, NEST,TRACER.

Požadavky:

Otázkové okruhy pro předmět „Databázové a znalostní systémy“ – 2019/2020

1. Obecné operace s informací zajišťované v databázových systémech.

2. E - R konceptuální model.

3. Integritní omezení pro vztahy definované v DBS.

4. Modely SŘBD.

5. Relační databázové systémy.

6. Coddovy charakteristiky (pravidla) pro relační SŘBD.

7. Množinové a relační operace v relačním databázovém systému.

8. Architektury SŘBD.

9. SŘBD na osobních počítačích.

10. Systémy klient/server.

11. Databázové aplikační programovací jazyky.

12. Strukturovaný dotazovací jazyk - SQL.

13. Vlastnosti systému MS Access. Programování v systému MS Access.

Seznam otázek ke zkoušce z předmětu Databázové a znalostní systémy od 2016/2017 - část Znalostní systémy

1. Vysvětlete pojmy pravděpodobnost, entropie, nejistota, funkce příslušnosti, klasická množina, fuzzy množina, hrubá množina.

2. Operace sjednocení, průnik, doplněk a rozdíl na fuzzy množinách.

3. Zavedení fuzzy čísel, vlastnosti fuzzy čísel.

4. Základní aritmetika fuzzy čísel, grafické zobrazení operací.

5. Fuzzy relace, součin fuzzy relací.

6. Jazyková proměnná, příklady jazykových proměnných.

7. Lingvistická aproximace a její využití při interpretaci výsledků operací s fuzzy čísly. Počítání ve slovech.

8. Pojmy implikace a inference v klasické logice. Zobrazení pomocí pravdivostních tabulek.

9. Fuzzy implikace a fuzzy inference. Srovnání s klasickou výrokovou logikou.

10. Speciální typy implikací a inferencí. Implikace a inference podle Mamdaniho, Larsena a

Lukasiewicze.

11. Kompoziční pravidlo jako model fuzzy inference.

12. Jednoduchá diagnostika (symptomy, poruchy) systému.

13. Kompoziční pravidlo v diagnostickém systému.

14. Grafická konstrukce inferencí podle Mamdaniho a Larsena pro případ jediného symptomu.

15. Pravidlový systém, pravidlo, aktualizované váhy.

16. Výpočty důsledků pravidel pro různé interakční funkce.

17. Návrh pravidlových sítí pro neanalytické úlohy.

18. Expertní systém - modulární schéma .

19. Expertní systémy „Expert system Builder“; ETS. Struktura a funkce. Popis úloh.

20. Expertní systémy TRACER, G2. Struktura a funkce. Popis úloh.

21. Vytěžování znalostí z databází (úlohy a přístupy: konceptuální svazy a hrubé množiny).

22. Syntéza pravidel z Hasseova diagramu.

23. Aproximace dat pomocí hrubých množin.

Podmínky k udělení zápočtu:

• odevzdání dvou seminárních prací (Databázové systémy + znalostní systémy),

•účast na cvičeních předmětu podle studijního řádu ČVUT a fakulty.

Osnova přednášek:

P1. Úvod. Obecné operace s informací zajišťované v databázových systémech.

P2. E - R konceptuální model. Integritní omezení pro vztahy definované v DBS.

P3. Modely SŘBD. Relační databázové systémy. Coddovy charakteristiky (pravidla) pro relační SŘBD. Množinové a relační operace v relačním databázovém systému.

P4. Architektury SŘBD. SŘBD na osobních počítačích. Systémy klient/server.

P5. Databázové aplikační programovací jazyky. Strukturovaný dotazovací jazyk - SQL.

P6. Programování v systému MS Access.

P7. Teorie fuzzy množin. Operace s fuzzy množinami. Fuzzy čísla a počítání s fuzzy čísly. Jazyková proměnná.

P8. Fuzzy logika. Kompoziční pravidlo a fuzzy inference. Typy fuzzy implikací a jejich vlastnosti.

P9. Pravidlové systémy, zavedení, kalkuly (příklady systémů).

P10.Expertní systém - modulární struktura. Inferenční stroj a jeho kooperace s bází znalostí. „Expert system Builder“, ESystém ETS,

P11. Expertní systémy - příklady TRACER, PREVEX, G2.

P12. Vytěžování znalostí z databází Úlohy a přístupy: Syntéza pravidel z Hasseova diagramu.

P13. Aproximace dat pomocí hrubých množin.

Osnova cvičení:

C1. Základy dovedností práce s databázovým systémem.

C2. Databázové systémy pro neprogramátory.

C3. Úvod do databázového systému MS ACCESS. Realizace množinových a relačních operací.

C4. Strukturovaný dotazovací jazyk - SQL.

C5. Strukturovaný dotazovací jazyk - SQL. Zadání seminárních prací.

C6. Programování v systému MS ACCESS.

C7. Fuzzy množiny, počítání s fuzzy čísly.

C8. Fuzzy logika. Kompoziční pravidlo a fuzzy inference. Typy fuzzy implikací a jejich vlastnosti.

C9. Pravidlové systémy. Expertní systém ETS.

C10. Expertní systém ETS - Zadání seminárních prací.

C11. Vytěžování znalostí z databází. Syntéza pravidel z Hasseova diagramu.

C12. Aproximace dat pomocí hrubých množin.

C13. Expertní systém ETS. C13. Asistence a testování výsledků seminárních prací.

Cíle studia:
Studijní materiály:

1.Bíla, Šmíd, Král, Hlaváč: Informační technologie. Databázové a znalostní systémy. ČVUT, Praha, 2009.

2.Bíla, Král : Databázové a znalostní systémy. ČVUT, Praha, 1999.

3.Vysoký, P.: Fuzzy řízení. ČVUT, Praha, 1999.

4.Mařík, V. a kol.: Umělá inteligence, díl 2., kap. 1., 2., 3. a 9. ACADEMIA, Praha, 1997

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 15. 12. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet10745802.html