Оперативный и интеллектуальный анализ данных

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)*:

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