Databázové a znalostní systémy (2371090)
Katedra: | ústav přístrojové a řídící techniky (12110) |
Zkratka: | | Schválen: | 24.04.2013 |
Platí do: | ?? | Rozsah: | 2P+2C |
Semestr: | * | Kredity: | 5 |
Zakončení: | Z,ZK | Jazyk výuky: | CS |
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. Principy vytěžování znalostí na databázích.
Úvod do znalostních systémů, příklady použití.
Pravidlové systémy. Expertní systémy.
Teorie fuzzy množin. Použití v řízení.
Vyučující
Ing. Vladimír Hlaváč Ph.D.
Letní 2023/2024
prof. Ing. Jiří Bíla DrSc.
Letní 2022/2023
Ing. Vladimír Hlaváč Ph.D.
Letní 2022/2023
prof. Ing. Jiří Bíla DrSc.
Letní 2021/2022
Ing. Vladimír Hlaváč Ph.D.
Letní 2021/2022
Osnova
P1. Úvod. Obecné operace s informací zajišťované v databázových systémech.
P2. E - R diagramy, relační diagramy. Integritní omezení pro vztahy definované v DBS.
P3. Modely SŘBD. Relační databázové systémy. Systémy klient/server. Coddovy charakteristiky (pravidla) pro relační SŘBD. Množinové a relační operace v relačním databázovém systému. Normalizace databází.
P4, P5. Databázové aplikační programovací jazyky. Strukturovaný dotazovací jazyk - SQL.
P6. Klasické databázové programy pro osobní počítače. Systémy klient/server, práce s MS Access.
P7. NOSQL databáze.
P8. Pokročilé SQL. Uložené funkce, triggery.
P9. Jednoduché databázové aplikace na webu: Formuláře, jazyk php.
P10. Jednoduché databázové aplikace na webu: Jednoduchá aplikace.
P11. Pravidlové a expertní systémy
P12. Teorie fuzzy množin. Operace s fuzzy množinami. Fuzzy čísla a počítání s fuzzy čísly. Fuzzy logika. Použití fyzzy množin.
P13. Další příkaldy použití databází.
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.
Literatura
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
Požadavky
Otázkové okruhy pro předmět "Databázové a znalostní systémy"
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.