Інфопакет

Аналіз даних

ВК.4.03.01

Вибіркова дисципліна для ОП

Перший

2022/2023

5 Семестр

3

ПРН1. Застосовувати ґрунтовні знання основних форм і законів абстрактно-логічного мислення, основ методології наукового пізнання, форм і методів вилучення, аналізу, обробки та синтезу інформації в предметній області комп'ютерних наук. ПРН3. Використовувати знання закономірностей випадкових явищ, їх властивостей та операцій над ними, моделей випадкових процесів та сучасних програмних середовищ для розв’язування задач статистичної обробки даних і побудови прогнозних моделей. ПРН12. Застосовувати методи та алгоритми обчислювального інтелекту та інтелектуального аналізу даних в задачах класифікації, прогнозування, кластерного аналізу, пошуку асоціативних правил з використанням програмних інструментів підтримки багатовимірного аналізу даних на основі технологій DataMining, TextMining, WebMining.

Знати: теорію ймовірностей і математичну статистику. Вміти: застосовувати знання з теорії ймовірностей та математичної статистики. Володіти елементарними навичками: розв’язувати задачі з теорії ймовірностей та математичної статистики.

Дисципліна має такі розділи: попередня обробка даних, кореляційний аналіз, регресійний аналіз, дисперсійний аналіз, коваріаційний аналіз, аналіз часових рядів, задачі класифікації. Основним завданням є надати студентам базові знання з усього арсеналу методів та засобів по всім основним розділам аналізу даних та набуття досвіду по роботі з відповідним програмним забезпечення при розв’язанні прикладних задач. Використовує поняття з теорії ймовірностей та математичної статистики, математичного аналізу та алгебри. Виступає базовою для дисциплін: інтелектуальні системи, теорія керування та основи робототехніки, ряду дисциплін вільного вибору студента (за блоками), а також буде корисна при написанні випускних кваліфікаційних робіт бакалаврів та магістрів. Дисципліна є дисципліною вільного вибору студента.

Основні: 1. Афифи А. Статистический анализ. Подход с использованием ЭВМ / А. Афифи, С. Эйзен. — М.: Мир, 1982. 2. Брандт З. Анализ данных / З. Брандт. — М.: Мир, 2003. 3. Дрейпер Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. — 3-е издание. — К.: Диалектика, 2007. 4. Кендалл М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стьюарт. — М.: Наука, 1976. 5. Прикладна статистика: Основы моделирования и первичная обработка данных / С. А. Айвазян и др. — М.: Финансы и статистика, 1983. 6. Прикладна статистика: Исследование зависимостей / С. А. Айвазян и др. — М.: Финансы и статистика, 1985.

Лекції, практичні заняття, консультації, самостійна робота

- семестрове оцінювання: 1. Контрольні роботи: РН.1, РН.2, РН.4 - 60 балів/36 балів. 2. Поточне оцінювання: РН.1, РН.2, РН.4 - 40 балів/24 балів. Максимальна кількість балів, які можуть бути отримані студентом: 100. Студент допускається до заліку, якщо в семестрі набрав не менше ніж 60 балів. Для отримання загальної позитивної оцінки з дисципліни оцінка за залік має бути не менше 60 балів. Залік виставляється за результатами роботи студента впродовж усього семестру і не передбачає додаткових заходів оцінювання для успішних студентів.

Українська