Інфопакет

Інтелектуальна обробка даних

ДВС.3.05

Вибіркова дисципліна для ОП

Перший

2022/2023

7 Семестр

4

ПРН12. Вміти застосовувати методи та алгоритми інтелектуального аналізу даних для задач класифікації, прогнозування, кластерного аналізу, пошуку асоціативних правил з використанням програмних інструментів підтримки багатовимірного аналізу даних на основі використання технологій DataMining, TextMining, WebMining. ПРН19.3. Знати алгоритми аналізу інформації та вміти застосовувати їх у розв’язанні практичних задач. ПРН21.3. Знати технології штучного інтелекту та вміти застосовувати їх у розв’язанні практичних задач.

Знати: дискретну математику, математичну логіку, теорію алгоритмів, структури даних і алгоритми, парадигми програмування та основи програмування в об’ємі стандартних університетських курсів. Вміти: застосовувати знання з вказаних вище дисциплін до розв’язання задач, вміти писати програми мовою високого рівня. Володіти: елементарними навичками використання логіко-математичної символіки та основами програмування

Викладається у 7 семестрі 4 курсу в обсязі – 120 год. (4 кредити ECTS), зокрема: лекції – 42 год., консультації – 2 год., самостійна робота – 76 год. Протягом вивчення студенти мають опанувати основні методи та моделі інтелектуального аналізу даних та засоби їх реалізації, зокрема оволодіти алгоритмами обробки потокових даних, навчитися аналізувати та уникати сучасних проблем, пов’язаних із збиранням та обробленням інформації. Отримані знання дозволять ефективно будувати програмні продукти, що комплексно використовують аналітичні, інформаційні та комунікаційні технології обробки та аналізу даних.

Основні: 1. Марченко О.О. Актуальні проблеми Data Mining: Навчальний посібник для студентів факультету комп’ютерних наук та кібернетики / О.О. Марченко, Т.В. Россада. — Київ, 2017. 2. Айвазян С. А. Прикладная статистика: Исследование зависимостей: Справ. изд. / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. — М.: Финансы и статистика, 1985. 3. Айвазян С. А. Прикладная статистика: Классификация и снижение размерности: Справ. изд. / С. А. Айвазян, В.М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. — М.: Финансы и статистика, 1989. . 4. Шитиков В.К., Классификация, регрессия и другие алгоритмы Data Mining с использованием R / В.К. Шитиков, С.Э. Мастицкий. − Электронная книга, адрес доступа: https://github.com/ranalytics/data-mining. ,2017. 5. Шлезингер М. Десять лекций по статистическому и структурному распознаванию./ М. Шлезингер, В. Главач. – Киев.: Наукова думка, 2004. ..

Лекції, консультації, самостійна робота

- семестрове оцінювання: 1. Контрольна робота 1 (за частиною 1): РН1.1, РН1.2, РН2.1, – 20 балів/ 12 балів. 2. Контрольна робота 2 (за частиною 2): РН 1.1., РН1.2, РН2.1, РН 3.1 – 20 балів/ 12 балів. 3. Практичне завдання за частиною 2 (програмна реалізація алгоритму з частини 2 із застосуванням до набору тестових даних, отриманням чисельного результату та складанням звіту): РН 1.1., РН1.2, РН2.1, РН 3.1, РН4.1, РН4.2 — 20 балів/ 12 балів.

Українська