Knowledge discovery in databases (KDD) is an important part of informatics with many relations to computer science. KDD is the analysis of (often large) observational data sets to find unsuspected relationships and to summarize the data in novel ways tha (en)
Významnou aplikační oblastí informatiky s mnoha vazbami na teoretický výzkum je dobývání znalostí z databází (DZD). Jde o analýzu rozsáhlých observačních dat s cílem nalézt netušené vztahy a sumarizovat data novými způsoby tak, že jsou srozumitelná a uži
Přínosem projektu je rozvoj metod a nástrojů pro dobývání znalostí, zejména metod v nástroji LISp-Miner a prezentace nastrojem SEWEBAR. Metody jsou doplněny potřebným formálním rámcem a ověřeny na řadě studií nad konkrétními daty. Mezi výstupy patří vedle publikací také softwarové nástroje, dostupné na webu, ty byly použity i ve výuce. Výstupy jsou adekvátně shrnuty v závěrečné kartě projektu. (cs)
The project contributes data mining methods and tools, especially methods in the LISp-Miner tool and presentations in the SEWEBAR tool. The methods were accompanied by related theory and case studies on real data. Besides publications, the outputs include software tools available on the web, also used in teaching activities. The outputs are appropriately described in the project summary card. (en)