Uvod: uvod v podatkovno rudarjenje in odkrivanje zakonitosti v podatkih, povezava s strojnim učenjem, vizualizacija podatkov, vzorcev in modelov, predstavitev CRISP-DM metodologije odkrivanja zakonitosti v podatkih ter osnove upravljanja znanja.
Predstavitev in manipulacija podatkov: predstavitev standardnih oblik zapisa različnih vrst podatkov ter kreiranje in manipulacija tabelaričnih podatkov, podatkovnih baz in skladišč ter obravnava tekstovnih, spletnih in večpredstavnih podatkov.
Tehnike rudarjenja tabelaričnih podatkov: predstavitev posameznih tehnik rudarjenja podatkov: predstavitev preiskovalnih hevristik in metod za učenje odločitvenih dreves, učenje klasifikacijskih in povezovalnih pravil, razvrščanje v skupine, odkrivanje podskupin, učenje regresijskih dreves in relacijsko podatkovno rudarjenje.
Tehnike rudarjenja tekstovnih, spletnih in večpredstavnih podatkov: predstavitev posameznih tehnik za analizo tekstovnih, spletnih in večpredstavnih podatkov ter metod vizualizacije podatkov.
Ocenjevanje: predstavitev metod za ocenjevanje kvalitete naučenih vzorcev in modelov ter metodologija evalvacije rezultatov.
Praktično usposabljanje: praktična uporaba izbranih orodij za manipulacijo in rudarjenja podatkov.
Introduction: introduction to knowledge data mining and knowledge discovery in databases, relation with machine learning, visualization of data, patterns and models, presentation of the CRISP-DM knowledge discovery methodology, and the basics of knowledge management.
Data representation and manipulation: presentation of standard data formats, creation and manipulation of tabular data, databases and data warehouses, as well as handling of text, web and multimedia data.
Techniques for mining of tabular data: presentation of specific data mining techniques: presentation of search heuristics, decision tree learning, learning classification and association rules, clustering, subgroup discovery, regression tree learning, and relational data mining.
Techniques for mining text, web and multimedia data: presentation of specific techniques for text, web and multimedia mining, and data visualization.
Evaluation: presentation of methods for estimating the quality of induced patterns and models, and methodology for result evaluation.
Practical training: practical use of selected data manipulation and data mining tools.