Анализ и визуализация данных

Beschreibung: Практико-ориентированная форма обучения в рамках данной дисциплины позволяет реализовать важный этап интеллектуального анализа данных. Визуализация данных позволит оценить степень соответствия ожиданиям и пригодности данных к анализу, выдвижения гипотез о закономерностях и необходимых процедурах первичной обработки. Будут реализованы методы визуализации исходных данных, визуализации результатов первичной обработки, визуализации промежуточных и окончательных результатов.

Betrag der Credits: 5

Пререквизиты:

• Анализ и моделирование информационных процессов

Arbeitsintensität der Disziplin:

Komponente: Компонент по выбору

Zyklus: Базовые дисциплины

Цель

• Цели курса: познакомить докторантов с концепциями и методами анализа и методами визуализации; развить навыки использования новейшего программного обеспечения в сфере интеллектуального анализа данных для решения практических задач, получить опыт самостоятельного изучения и исследования.

Задача

• Формирование теоретических знаний и практических базовых навыков сбора, хранения, обработки и анализа данных.
• Развитие навыков анализа данных для решения широкого круга задач, моделирования хранения и обработки данных, прогнозирования сложных показателей.

Результат обучения: знание и понимание

• Понимать теорию и основы хранения, обработки и анализа данных, расширенные инструменты для сбора, хранения, передачи и визуализации данных

Результат обучения: применение знаний и пониманий

• Уметь выбирать эффективные методы решения прикладных задач с использованием технологии Data Mining в области бизнес-аналитики и исследований.
• Уметь обрабатывать и анализировать большие объемы данных с помощью современного программного обеспечения

Результат обучения: формирование суждений

• выявить основные этические и юридические проблемы аналитики
• умение формировать представление о нестандартных подходах к решению задач и в поиске новых оригинальных идей и дизайнерских приемов с использованием технологии Data Mining в области научных исследований

Результат обучения: коммуникативные способности

• умение читать и переводить литературу по IT, работать с программными приложениями в сфере майнинга с английским интерфейсом

Результат обучения: навыки обучения или способности к учебе

• навыки для получения новых знаний в области профессионального и дополнительного образования

Lehrmethoden

При проведении учебных занятий предусматривается использование следующих образовательных технологий: - Технология научно-исследовательской деятельности - Технология учебно-исследовательской деятельности - Коммуникативные технологии (дискуссии, пресс-конференция, мозговой штурм, учебные дебаты и пр.) - Информационно-коммуникационные (в том числе дистанционные) технологии

Bewertung des Wissens der Studierenden

Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp

Bewertungsbogen

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Темы лекционных занятий

Основная литература

• Han J. Data Mining: Concepts and Techniques The Morgan Kaufmann Series in Data Management Systems (Selected Titles) 212 y. p.740
• J. Godfrey. Methods for Data Science: III - Data Visualization and R, Lulu.com (November 25, 2015).-362 p. ISBN-13: 978-1329714878

Дополнительная литература

• Charles D. Hansen and Chris R. Johnson, Visualization Handbook, Academic Press, 2004.
• V.M. Sue, M.T.Griffin. Data Visualization & Presentation With Microsoft Office, SAGE Publicationc, Inc., 2016.-337p. ISBN-13: 978-1483365152.