Інфопакет

Математичні методи обробки інформації

ВК.4.03.02

Вибіркова дисципліна для ОП

Перший

2023/2024

5 Семестр

3

ПРН1. Застосовувати знання основних форм і законів абстрактнологічного мислення, основ методології наукового пізнання, форм і методів вилучення, аналізу, обробки та синтезу інформації в предметній області комп'ютерних наук. ПРН2. Використовувати сучасний математичний апарат неперервного та дискретного аналізу, лінійної алгебри, аналітичної геометрії, в професійній діяльності для розв’язання задач теоретичного та прикладного характеру в процесі проектування та реалізації об’єктів інформатизації. ПРН3. Демонструвати знання закономірностей випадкових явищ, їх властивостей та операцій над ними, моделей випадкових процесів та сучасних програмних середовищ для розв’язування задач статистичної обробки експериментальних даних і побудови прогнозних моделей.

– Знати: основні поняття та методи теорії ймовірностей та математичної статистики, математичного аналізу та алгебри, основи програмування. – Вміти: застосовувати знання з теорії ймовірностей та математичної статистики, розробляти програми на базовому рівні. – Володіти елементарними навичками: розв’язувати задачі з теорії ймовірностей та математичної статистики, навичками програмування.

Дисципліна має такі розділи: Попередня обробка даних. Кореляційний аналіз. Регресійний аналіз. Дисперсійний аналіз. Коваріаційний аналіз. Аналіз часових рядів. Задачі класифікації. Факторний аналіз. Дисципліна є дисципліною вільного вибору студента. Використовує поняття з теорії ймовірностей та математичної статистики, математичного аналізу та алгебри. Виступає базовою для дисциплін: основи розпізнавання образів, інтелектуальна обробка даних, проблеми штучного інтелекту, нейромережі та нейрообчислення, розпізнавання образів та аналіз сцен, основи Data Mining, ряду дисциплін вільного вибору студента (за блоками), а також буде корисна при написанні випускних кваліфікаційних робіт бакалаврів та магістрів. Викладається в 5-му семестрі, обсяг 90 год. (3 кредити ECTS), з них лекції – 28 год., практичні – 14 годин, консультації – 2 год., самостійна робота – 46 год. Передбачено 6 лабораторних робіт та залік.

Основні: 1) Каримов Р. Н. Основы дискриминантного анализа: Учебно-методическое пособие. — Саратов: СГТУ, 2002. -108ст. 2) Лагутин М.Б., Наглядная математическая статистика, М.: БИНОМ, 2007. 3) Майборода Р.Є. Комп’ютерна статистика – професійний старт, 2018, 482 ст. http://probability.univ.kiev.ua/userfiles/mre/compsta1.pdf 4) Майборода Р.Є., Сугакова О.В. Аналіз даних за допомогою пакета R http://matphys.rpd.univ.kiev.ua/downloads/courses/mmatstat/Statistics_with_R.pdf 5) Слабоспицький О.С., Аналіз даних. Попередня обробка, ВПЦ “Київський університет” (2001). 6) Слабоспицький О.С., Основи кореляційного аналізу даних, ВПЦ “Київський університет” (2006). 7) Слабоспицький О.С., Основи дисперсійного аналізу даних, ВПЦ “Київський університет” (2006). ..

Лекції, практичні заняття, консультації, самостійна робота

- семестрове оцінювання: 1. Лабораторна робота 1 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 18 балів. 2. Лабораторна робота 2 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 12 балів. 3. Лабораторна робота 3 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 18 балів. 4. Лабораторна робота 4 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 16 балів. 5. Лабораторна робота 5 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 18 балів. 6. Лабораторна робота 6 + тематичний тест: РН 1., РН 2.1, РН 2.2 – 18 балів. Максимальна кількість балів які можуть бути отримані студентом: 100 балів. Для отримання загальної позитивної оцінки з дисципліни кількість балів, набраних студентом протягом навчального семестру, має бути не меншою за 60.

Українська