Інфопакет

Програмне забезпечення для обробки даних

ОК6

Обов’язкова дисципліна для ОП

Другий

2023/2024

1 Семестр

6

Розробляти алгоритмічне та програмне забезпечення для аналізу даних (включно з великими). Проектувати архітектурні рішення інформаційних та комп’ютерних систем різного призначення Створювати нові алгоритми розв’язування задач у сфері комп’ютерних наук, оцінювати їх ефективність та обмеження на їх застосування. Оцінювати та забезпечувати якість інформаційних та комп’ютерних систем різного призначення. Тестувати програмне забезпечення. Виявляти та усувати проблемні ситуації в процесі експлуатації програмного забезпечення, формулювати завдання для його модифікації або реінжинірингу. Створювати та досліджувати інформаційні та математичні моделі систем і процесів, що досліджуються, зокрема об’єктів автоматизації. Консолідувати дані з різних джерел інформації, проводити їх попередній аналіз, моделювання та візуалізацію.

Очна форма

1) розуміння сутності та основних понять комп’ютерних наук, теорії алгоритмів; 2) розуміння поняття «аналіз даних», його цілі, задачі, характеристики, а також знання і розуміння статистичних методів аналізу даних та методів візуалізації даних. 3) володіння елементарними навичками пошуку необхідної інформації для роботи в з мовою програмування R.

Дисципліна присвячена вивченню концептуальних та методологічних засад прикладного аналізу даних. В якості інструменту аналізу даних використовується мова програмування R. Також розглядається додатковий інструментарій необхідний для проведення аналізу даних. Дисципліна приділяє увагу всьому процесу аналізу даних від постановки питання, на яке необхідно отримати відповідь до розповсюдження результатів аналізу. В рамках дисципліни розглядуються як засади програмування мовою R, так і використання додаткових бібліотек, в першу чергу тих, що належать до набору Tidyverse.

1. Guidelines for practical, laboratory classes and independent work in the discipline «Data Processing Software» for students of master’s degree educational program “Data Science” - K.: Taras Shevchenko National University of Kyiv, 2022 2. Положення про організацію освітнього процесу у Київському національному університеті імені Тараса Шевченка- К.: КНУ імені Тараса Шевченка, 2018. – 112 с. 3. Єгорченков О.В. Модель декомпозиції інформаційної дії [Текст]/Єгорченков О.В., Лисицін О.Б. //«Управління розвитком складних систем» – 2013 - №15 – С. 51-55 4. Єгорченков О.В. Вплив інструментів візуалізації інформації на хід реалізації проектів [Текст]/ Єгорченков О.В., Єгорченква Н.Ю., Чорна Н.О. //«Управління розвитком складних систем» – 2014 - №19 – С. 27-33 5. Єгорченков О.В. Моделі класів інформаційних представлень [Текст]/Єгорченков О.В., Єгорченкова Н.Ю., Катаєв Д.С. //“Information technology&knowlrdge”-Bulgaria – 2014 - №4-C.369-371

Лекції, практичні заняття, самостійна робота, консультації

Підсумкове оцінювання у формі екзамену: екзамен виставляється студенту на підставі письмового екзамену, який складається з теоретичної (результати навчання 1.1. – 1.5) та практичної частини (результати навчання 2.1 – 2.8 та 3.1-3.2). На екзамен виносяться питання, які дають можливість перевірити програмі результати навчання. Студент не допускається до екзамену, якщо під час вивчення дисципліни він не виконав та не захистив всі практичні та лабораторні роботи. Максимальна оцінка за екзамен складає 40 балів. Оцінка за екзамен не може бути меншою 24 балів для отримання загальної позитивної оцінки за курс.

Англійська