Дата Майнінг

Освітня програма: Освітньо-професійна програма «Економіка»(мова навчання англійська/українська)

Структурний підрозділ: Економічний факультет

Назва дисципліни
Дата Майнінг
Код дисципліни
ВБ
Тип модуля
Вибіркова дисципліна для ОП
Цикл вищої освіти
Перший
Рік навчання
2021/2022
Семестр / Триместр
6 Семестр
Кількість кредитів ЕСТS
6
Результати навчання
ПРН 5. Застосовувати аналітичний та методичний інструментарій для обґрунтування пропозицій та прийняття управлінських рішень різними економічними агентами (індивідуумами, домогосподарствами, підприємствами та органами державної влади). ПРН 8. Застосовувати відповідні економіко-математичні методи та моделі для вирішення економічних задач. ПРН 10. Проводити аналіз функціонування та розвитку суб’єктів господарювання, визначати функціональні сфери, розраховувати відповідні показники, які характеризують результативність їх діяльності. ПРН 13. Ідентифікувати джерела та розуміти методологію визначення і методи отримання соціально-економічних даних, збирати та аналізувати необхідну інформацію, розраховувати економічні та соціальні показники.
Форма навчання
Очна форма
Попередні умови та додаткові вимоги
Успішне опанування курсів “Математика”, “Теорія ймовірностей та математична статистика”, “Економетрика” та “Дослідження операцій”. Навички аналізу, синтезу, обробки та візуалізації економічної інформації, ідентифікації джерел та методів отримання соціально-економічних даних, збирання необхідної інформації, реалізації економіко-математичних методів, моделей та інформаційних технологій для вирішення економічних задач.
Зміст навчальної дисципліни
Програма навчальної дисципліни складається з двох змістових модулів: Змістовий модуль 1. «Класичні технології інтелектуального аналізу даних», в якому розглядаються технології збирання і підготовки даних до аналізу, розв’язання задач кластеризації та асоціації з використанням відповідних засобів програмної підтримки. Змістовий модуль 2. «Сучасні моделі інтелектуальних обчислень», в якому розглядаються питання використання нейронних мереж, дерев рішень, гібридних та деяких інших підходів для вирішення завдань інтелектуального аналізу даних.
Рекомендована та необхідна література
1. Tan P., Steinbach M., Kumar V., Karpatne A. Introduction to Data Mining. 2nd edition, Pearson Education, 2019, 864 p. 2. Witten Ian H., Frank Eibe, Hall Mark A. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2016, 654 p. 3. Zaki Mohammed J., Meira JR. Wagner. Data mining and analysis: fundamental concepts and algorithms. Cambridge University Press, 2014, 607 p. 4. Han J. Data Mining: Concepts and Techniques 3rd edition Morgan Kaufmann, 2011, ‎ 800 p. 5. Rangaswamy A. Data Science Methodology (Big Data Intelligence Book 2). Amazon Digital Services LLC. 2016 6. Salcedo J., McCormick K. IBM SPSS Modeler Essentials: Effective techniques for building powerful data mining and predictive analytics solutions. Packt Publishing; 2017, 238 р.
Заплановані освітні заходи та методи викладання
лекції, лабораторні заняття, самостійна робота
Методи та критерії оцінювання
Семестрове оцінювання: 1. Усне опитування – 5 балів / 3 балів 2. Розв’язування задач– 20 балів / 12 балів; 3. Реферат– 5 балів / 3 балів 4. Модульна контрольна робота (2 МКР, 10 балів макс. кожна) – 20 балів / 12 балів; 5. Самостійний проект (1 проект, 25 балів) – 25 балів / 15 балів; 6. Підсумкова контрольна робота – 25 балів/ 15 балів
Мова викладання
Англійська

Викладачі

Ця дисципліна викладаеться наступними викладачами

Кафедри

Наступні кафедри задіяні у викладанні наведеної дисципліни