====== 1. prednaska ======

=== Data mining ===
  * Vznik v 80. letech
  * Dulezite definovat matematicky korektne
== Priklad ==
Pravdepodobnost ze vyjde jedna z 5 hypotez na nahodnych datech na hladine spolehlivosti 5% je 1-(0,95)^5 \\
-> vysoka pravdepodobnost!\\
Reseni:\\
Vydeleni hladiny spolehlivosti <m>1/P^alpha</m>\\

== Exploratory analyses ==
  * prvni zkoumani dat
  * zpracovavaji pocitace
  * testuji vsechny mozne hypotezy
  * odbornik pak zhodnoti co je smysluplne a zajimave


== Z ceho se sklada DM ==
  * Statistics (correlation, regression)
  * Web
  * databases
  * DOOT (Cobra,RMI)
  * Neural networks
  * Logic (observational, fuzzy)
  * Machine learning (decision trees)

=== Univerzalni systemy pro DM ===
 == Komercni ==
  * IBM Model Builder (drive Clementine) (SPSS)
    * IBM Intelliget Miner(silny v 90. letech)
  * Enterprise miner(SAS)
  * KXEN
  * Statistica Data Miner
  == Nekomercni ==
  * WEKA
    * Rapid Miner
	* Pentaha
  * R
 
 === Systemy pro podporu okamziteho rozhodovani na zaklade dat ===
  * Decision site (Spotfire)
  * MS DataAnalyzer (nutnost MSSQL)
  
=== Systemy, ktere nejsou primarne urceny k DM ===
  - Databazove systemy
    - Statisticke systemy
    - Obecne matematicke systemy (Matlab, Mathematica)