Інфопакет

Інтелектуальний аналіз даних

ОК.27

Обов’язкова дисципліна для ОП

Перший

2021/2022

5 Семестр

5

– Знати основи інтелектуального аналізу даних – Знати методи використання навчальної інформації. – Знати методи класифікації та прогнозування – Знати методи пошуку шаблонів даних – Знати основні поняття OLAP і Data Mining – Вміти виконувати описову статистику засобами системи статистичного аналізу R та перевіряти статистичні гіпотези – Вміти розв’язувати задачі відновлення регресії та побудови дерев рішень. Вміти застосовувати метод опорних векторів – Вміти розв’язувати задачі, пов’язані з Data Mining. Використання бустінг алгоритму в задачах класифікації. Дослідження вибірки за допомогою функції bootstrap – Здатність працювати в команді, вироблення у студентів практичних навиків групової роботи з застосуванням відповідних методів і прийомів отримання, зберігання й обробки даних та їх представлення сучасними технічними можливостями

Очна форма

1) успішне опанування дисциплін «Вища математика», «Теорія ймовірностей та математична статистика», «Основи програмування». 2) знання теоретичних основ мов програмування для застосування їх для можливості виконання лабораторних робіт. 3) володіння елементарними навичками з математичної статистики та основ алгоритмізації та програмування.

Основне завдання вивчення дисципліни полягає у забезпеченні розуміння і засвоєння студентами технологій інтелектуального аналізу даних, підготовці до їх вибору, реалізації і використання при вирішенні прикладних задач, ознайомленні зі станом та перспективами розвитку інтелектуальних методів обчислень як одного з напрямів штучного інтелекту. Студент після засвоєння матеріалу навчальної дисципліни оволодіє знаннями про основні поняття та визначення інтелектуального аналізу даних; методи використання навчальної інформації, метод багатомірного розвідувального аналізу, методи класифікації та прогнозування, методи пошуку шаблонів даних, OLAP і Data Mining, критерії порівняння моделей i методів інтелектуального аналізу даних, сучасні програмні засоби проектування та розробки систем інтелектуального аналізу даних. Виконувати препроцесінг даних на базі технологій консолідації, трансформації, візуалізації та нормалізації, аналізувати та обґрунтовувати вибір конкретного методу інтелектуального аналізу даних при розв’язанні практичних задач, аналізувати та інтерпретувати результати використання для побудови систем інтелектуального аналізу даних при розв’язанні прикладних задач. Мета дисципліни – теоретична та практична підготовка студентів у напрямку розв’язання задач обробки великих масивів інформації, проектування інформаційного забезпечення інформаційних систем та розробки сценаріїв можливих дій в умовах невизначеності з використанням інтелектуальних методів обчислень.

– Литвин В.В. Аналіз даних та знань: навчальний посібник / В.В. Литвин, В.В. Пасічник, Ю.В. Нікольський. – Львів: «Магнолія 2006», 2015. – 276 с. – Інтелектуальний аналіз даних: навчальний посібник / А. О. Олійник, С. О. Субботін, О. О. Олійник. – Запоріжжя : ЗНТУ, 2012. – 278 с. – Снитюк В.Є. Прогнозування. Моделі. Методи. Алгоритми: навчальний посібник / Віталій Євгенович Снитюк. – К.: Маклаут, 2008. – 364 с. – Інтелектуальний аналіз даних: Комп’ютерний практикум [Електронний ресурс]: навч. посіб. для студ. спеціальності 122 «Комп’ютерні науки та інформаційні технології», спеціалізацій «Інформаційні системи та технології проектування», «Системне проектування сервісів» / О. О. Сергеєв-Горчинський, Г. В. Іщенко ; КПІ ім. Ігоря Сікорського. – Електронні текстові данні (1 файл: 1,72 Мбайт). – Київ : КПІ ім. Ігоря Сікорського, 2018. – 73 с.: Іл. Режим доступу: https://ela.kpi.ua/bitstream/123456789/24971/1/Komp_prakt.pdf

Лекції, практичні заняття, лабораторні заняття, самостійна робота.

Оцінка за семестр формується шляхом успішного виконання та обов’язкового захисту лабораторних робіт та курсової роботи. А також, індивідуальних досліджень та реферативних виступів на практичних заняттях та відповідей при бліцопитуванні на лекційних заняттях. За 1 доповнення або відповідь на питання при бліцопитуванні студент отримує 1 бал. Таких відповідей може бути 2. Реферативна доповідь на практичному занятті може оцінюватися від 3 до 4 балів. Лабораторних робіт всього 8 від 1 до 3 балів за кожну. МКР1 пишеться після теми 2 та оцінюється до 10 балів. МКР2 пишеться після теми 5 і оцінюється до 10 балів. Курсова робота оцінюється за 100 бальною системою, та переводиться до загального семестрового оцінювання з коефіцієнтом 0,1 і округлюється на користь студента. Загальна сума балів набраних протягом семестру не перевищує 60 балів. Підсумкове оцінювання у формі іспиту: складає 40 модульних балів (40% від загального рейтингу).

Українська