Data Analysis and Artificial Intelligence
Description: The discipline examines the main methods of data analysis. Correlation, linear regression and variance analyses of the data are studied. Students will gain practical skills in applying methods and algorithms for data clustering, data visualization, and pattern recognition with artificial intelligence tools. The course introduces the basics of machine learning and artificial neural networks.
Amount of credits: 8
Course Workload:
| Types of classes | hours |
|---|---|
| Lectures | 30 |
| Practical works | |
| Laboratory works | 45 |
| SAWTG (Student Autonomous Work under Teacher Guidance) | 45 |
| SAW (Student autonomous work) | 120 |
| Form of final control | Exam |
| Final assessment method |
Component: Component by selection
Cycle: Profiling disciplines
Goal
- Формирование у обучающихся системных теоретических знаний и практических навыков применения современных методов анализа данных и технологий искусственного интеллекта для решения прикладных задач, включая обработку данных, построение прогнозных моделей и использование нейронных сетей.
Objective
- Освоить основные методы статистического анализа и алгоритмы машинного обучения для обработки и интерпретации данных.
Learning outcome: knowledge and understanding
- Знание теоретических основ, математического аппарата и областей применения ключевых методов анализа данных: корреляционного, регрессионного, дисперсионного анализов, кластеризации и распознавания образов.
- Понимание фундаментальных принципов работы методов машинного обучения и архитектур искусственных нейронных сетей для решения задач прогнозирования и классификации.
Learning outcome: applying knowledge and understanding
- Способность применять изученные статистические методы и алгоритмы машинного обучения (кластеризации, классификации) с использованием современных программных инструментов для решения практических задач анализа данных.
- Умение реализовывать полный цикл анализа данных — от предобработки и визуализации до построения, тестирования и интерпретации моделей, включая простейшие нейронные сети.
Learning outcome: formation of judgments
- Умение критически оценивать адекватность, надежность и качество построенных моделей, интерпретировать полученные результаты и формулировать содержательные выводы на их основе.
Learning outcome: communicative abilities
- Умение ясно и структурированно документировать ход анализа, обосновывать принятые решения и формулировать итоговые выводы в виде краткого отчета или презентации.
Learning outcome: learning skills or learning abilities
- Способность самостоятельно осваивать новые алгоритмы, библиотеки и инструменты в области анализа данных и искусственного интеллекта, используя документацию и профессиональные ресурсы.
