Оперативный и интеллектуальный анализ данных

Смаилова Сауле Сансызбаевна

*InstructorProfile(zh-CN)*

内容描述: Курс посвящен изучению основных этапов технологии интеллектуального анализа данных. Исследуются методы Data Mining: факторный анализ; кластерный анализ и классификация; поиск ассоциативных правил; деревья принятия решений; нейронные сети. Инструментальные средства, использующие технологию Data Mining. Процесс анализа данных с помощью технологии Data Mining. Анализ данных с использованием аналитической платформы Deductor

贷款数: 5

Пререквизиты:

  • Математика 2

*СomplexityDiscipline(zh-CN)*:

*TypesOfClasses(zh-CN)* *hours(zh-CN)*
*Lectures(zh-CN)* 30
*PracticalWork(zh-CN)* 15
*LaboratoryWork(zh-CN)*
*srop(zh-CN)* 30
*sro(zh-CN)* 75
*FormOfFinalControl(zh-CN)* экзамен
*FinalAssessment(zh-CN)*

零件: Вузовский компонент

循环次数: Базовые дисциплины

Цель
  • Подготовка магистрантов к научной деятельностии в организации экспериментов с применением методов интеллектуального анализа данных
Задача
  • Привитие обучающимся умений и навыков работы с методами Data Mining, возможностью их применения, практические навыки по использованию инструментальных средств Data Mining
Результат обучения: знание и понимание
  • об объектах и видах профессиональной деятельности; о новейших достижениях в области машиностроения;о международных и отечественных стандартах в рамках специальности; об обобщенных задачах профессиональной деятельности
Результат обучения: применение знаний и пониманий
  • использовать полученные знания для оригинального развития и применения идей в контексте научных исследований в области машиностроения; критически анализировать существующие концепции, теории и подходы к анализу процессов и явлений при проведении проектных работ
  • креативно мыслить и творчески подходить к решению новых проблем и ситуаций в области разработки новых технологий машиностроения
Результат обучения: формирование суждений
  • способность к организации и проведению экспериментов, обработке, обобщению, анализу и оформлению достигнутых результатов
  • способность использовать современные достижения науки и передовых информационных технологий в научно-исследовательских работах
Результат обучения: коммуникативные способности
  • Способность работы в команде
Результат обучения: навыки обучения или способности к учебе
  • Овладение углубленными знаниями в области научных исследований и прогнозирования на транспорте для освоения навыков обучения и дальнейшего повышения квалификации
Темы лекционных занятий
  • Методы интеллектуального анализа данных и некоторые их приложения
  • Данные. Форматы хранения данных
  • Методы и стадии Data Mining
  • Задачи Data Mining. Информация и знания
  • Задачи Data Mining. Классификация и кластеризация
  • Задачи Data Mining. Прогнозирование и визуализация
  • Методы классификации и прогнозирования. Деревья решений
  • Методы классификации и прогнозирования. Нейронные сети
  • Методы кластерного анализа
  • Методы поиска ассоциативных правил
  • Способы визуального представления данных. Методы визуализации
Основная литература
  • Барсегян А.А., Куприянов М.С, Степаненко В.В., Хо-лод И.И.Методы и модели анализа данных: OLAP и Data Mining. - Учеб. пособие, СПб.: БХВ-Петербург 2004. – 336 с.: ил
  • В. Дюк, А. Самойленко. «Data Mining»: Учебный курс, - СПб: - Питер, 2006,- 368 с., ил.
  • Лбов Г.С , Анализ данных и знаний: Учеб. пособие. – Новосибирск: Изд-во НГТУ, 2006. – 90 с
  • Чубукова И.А. Data Mining: Учебное пособие, - Киев, 2005,-328