Інфопакет

Актуальні проблеми "Data Mining"

ОК.15

Обов’язкова дисципліна для ОП

Другий

2023/2024

2 Семестр

4

ПРН 1. Мати спеціалізовані концептуальні знання, що включають сучасні наукові здобутки у сфері комп’ютерних наук і є основою для оригінального мислення та проведення досліджень, критичне осмислення проблем у сфері комп’ютерних наук та на межі галузей знань ПРН 2. Мати спеціалізовані уміння/навички розв’язання проблем комп’ютерних наук, необхідні для проведення досліджень та/або провадження інноваційної діяльності з метою розвитку нових знань та процедур. ПРН 8. Розробляти математичні моделі та методи аналізу даних (включно з великим). ПРН 9. Розробляти алгоритмічне та програмне забезпечення для аналізу даних (включно з великими). ПРН 11. Створювати нові алгоритми розв’язування задач у сфері комп’ютерних наук, оцінювати їх ефективність та обмеження на їх застосування. ПРН 16. Виконувати дослідження у сфері комп’ютерних наук.

Знати: базові поняття штучного інтелекту та методів оптимізації; мати сучасні уявлення про основні задачі, що вирішуються в рамках штучного інтелекту та аналізу даних. Вміти: описувати задачу аналізу даних, визначати атрибути та тип задачі, будувати модель. Володіти елементарними навичками: з аналізу даних, методів оптимізації.

Мета дисципліни – поглиблення знань з інтелектуального аналізу даних та штучного інтелекту, вивчення основних підходів до розв’язання основних задач – це задачі класифікації, кластеризації, пошуку асоціативних правил. Навчальна дисципліна «Актуальні проблеми Data Mining» є складовою освітньо-професійної програми підготовки фахівців за другим (магістерським) рівнем вищої освіти галузі знань 12 „Інформаційні технології” зі спеціальності 122 „Комп’ютерні науки”, освітньо-професійної програми –„Інформатика”. Дана дисципліна є обов’язковою навчальною дисципліною за програмою “Інформатика”. Викладається в 2 семестрі 1 курсу магістратури в обсязі 120 годин (4 кредити ECTS), зокрема: лекції – 28 год., лабораторних занять – 10 год., самостійна робота – 80 год., консультації – 2 год. У курсі передбачено 2 частини та 2 контрольні роботи. Завершується дисципліна – іспитом в 1 семестрі.

1. Марченко О.О., Россада Т.В. Актуальні проблеми Data Mining. Навчально-методичний посібник для студентів факультету комп’ютерних наук та кібернетики. - Київ. - 2017. - 150 с. 2. Kantardzic, M. Data mining: concepts, models, methods, and algorithms. - New York: John Wiley & Sons, 2003. - 343 p. 3. Han, J. Data Mining: Concepts and Techniques / J. Han, M. Kamber. - San Francisco: Morgan Kaufmann Publishers, 2010. - 26 p. 4. Berry, Michael J. A. “DM techniques: for marketing, sales, and customer relationship management “/ Michael J.A. Berry, Gordon Linoff. – 2nd ed. 5. Larose, Daniel T. “Discovering knowledge in data: an introduction to DM” / Daniel T. Larose 6. Leskovec J. Mining of Massive Datasets / Jure Leskovec Anand Rajaraman, Jeffrey David Ullman // Stanford Univ. – 2010. 7. G. Lee, U. Yun A new efficient approach for mining uncertain frequent patterns using minimum data structure without false positives. Future Generation Computational Systems 68:89–110 p., 2017.

Лекції, лабораторні заняття, самостійна робота.

Семестрове оцінювання: 1. Лабораторні роботи: РН 1.1, РН 1.2, РН 2.1, РН 4.1– 25 балів / 15 балів 2. Реферат: РН 2.1, РН 3.1, РН 4.1 – 25 балів / 15 балів 3. Поточне оцінювання: РН 2.1, РН 3.1, РН 4.1 – 10 балів / 6 бали Підсумкове оцінювання: - максимальна кількість балів які можуть бути отримані студентом: 40 балів; - результати навчання які будуть оцінюватись: PH 1.1, PH 1.2, PH 2.1 - форма проведення: письмова форма.

Українська