Деректер ғылымына кіріспе

Сипаттама: Курс деректер ғылымының пәндік саласымен танысуға мүмкіндік береді және Python тілін қолдану арқылы деректерді өңдеу және визуализациялау мәселелерін шешу дағдыларын дамытады. Курс Jupyter Notebook бағдарламасында Python-мен интерактивті жұмыстың негіздерін қамтиды, деректерді өңдеу тапсырмалары үшін қажетті минималды Python синтаксистік құрылымдарын қамтамасыз етеді және негізгі аналитикалық пакеттерді қарастырады: pandas, matplotlib, seaborn. Әртүрлі форматтағы деректерді жүктеу, деректерді тазалау, барлау талдауы және деректерді визуализациялау мәселелері қарастырылады.

Кредиттер саны: 6

Пререквизиты:

• Информациялы-коммуникацилық технологиялар

Пәннің еңбек сыйымдылығы:

Компонент: Таңдау бойынша компонент

Цикл: Базалық пәндер

Мақсат

• Бұл пән студенттерді деректерді талдау мен машиналық оқытудың негізгі тұжырымдамалары мен әдістерімен таныстырады. Студенттер сонымен қатар Python тілінде бағдарламалауды үйренеді, интернеттен және әртүрлі файлдардан деректерді алу мен өңдеудің негізгі әдістерімен танысады.

Міндет

• үлкен деректердің негізгі сипаттамаларын және оларды талдау әдістерін зерттеу
• деректерді жіктеу және машиналық оқыту элементтерін зерттеу
• деректерді жіктеу және машиналық оқыту элементтерін зерттеу
• статистикалық талдау негіздерін меңгеру, регрессиялық тәуелділіктерді құру
• "үлкен деректер" визуализациясын енгізу
• математикалық шешім құралдарына шолу: нейрондық желілер, графиктер, анық емес және К-сандық логикалар
• математикалық шешім құралдарына шолу: нейрондық желілер, графиктер, анық емес және К-сандық логикалар

Оқыту нәтижесі: білу және түсіну

• тиісті ғылыми зерттеулер бойынша қорытындыларды қалыптастыру үшін қажетті заманауи ғылыми зерттеулердің деректерін жинау, өңдеу және түсіндіру процестерін түсіну

Оқыту нәтижесі: білім мен ұғымды қолдану

• Ақпаратпен жұмыс істей алады: ғылыми және кәсіби міндеттерді шешу үшін қажетті әртүрлі көздерден ақпаратты табу, бағалау және пайдалану (оның ішінде жүйелі тәсіл негізінде)
• Проблемалық талдауды, мақсат пен міндеттерді қоюды, зерттеу объектісін және пәнін анықтауды, зерттеу әдісі мен әдістерін таңдауды, сонымен қатар оның сапасын бағалауды қамтитын ғылыми-зерттеу іс-әрекетін жүргізе алады.
• Зерттеу мақсатына сәйкес келетін зерттеу әдістерін таңдай алады және оларды қолдана алады
• Берілген тапсырмаларды шешу үшін ақпаратты іздеуге, жинауға, өңдеуге, талдауға және сақтауға қабілетті
• Практикалық шешімдер қабылдау процесін қолдау үшін саясаттану әдістерін пайдалана отырып, саясат саласындағы құбылыстар мен процестерге қолданбалы талдау жүргізе алады
• Мақсатты аудиторияға байланысты әртүрлі жанрларда (оның ішінде шолулар, талдамалық жазбалар, баяндамалар, қоғамдық-саяси тақырыптар бойынша жарияланымдар және т.б.) жүргізілген ғылыми-қолданбалы зерттеулер, ақпаратты іздеу және талдау нәтижелерін жасай алады

Оқыту нәтижесі: талқылай білуді қалыптастыру

• Зерттеу міндеттері мен әдістері туралы пайымдауларды қалыптастыру
• Тапсырмаларды шешу үшін ақпаратты іздеу, жинау, өңдеу, талдау және сақтау туралы пайымдауларды қалыптастыру
• Практикалық шешімдерді қабылдау процесін қолдау үшін саясаттану әдістерін пайдалана отырып, саясат саласындағы құбылыстар мен процестерді қолданбалы талдау туралы пайымдауларды қалыптастыру.

Оқыту нәтижесі: коммуникативтік қабілеттіліктер

• Оқушылардың коммуникативтік қабілеттерін дамыту және жетілдіру.
• Практикалық шешімдер қабылдау процесін қолдау үшін саясаттану әдістерін қолдана отырып, саясат саласындағы құбылыстар мен процестерді қолданбалы талдау бойынша конструктивті диалогқа қатысу дағдыларын дамыту.

Оқыту нәтижесі: Оқу дағдылары немесе сабаққа қабілеттілігі

• Ғылыми-зерттеу жұмыстарын орындау үшін жасанды интеллект жүйесі саласында дағдыларды қалыптастыру
• Білім қоғамын құру мүддесі үшін академиялық және кәсіби контексттерде технологиялық, әлеуметтік немесе мәдени дамуға үлес қосу мүмкіндігі
• Тиісті ғылыми зерттеулер бойынша қорытындыларды қалыптастыру үшін қажетті заманауи ғылыми зерттеулердің деректерін жинау, өңдеу және түсіндіру мүмкіндігі

Негізгі әдебиет

• Миркин Б. Г. Введение в анализ данных. — М.: Юрайт. 2020. 175 с.
• Нархид Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нархид. — СПб.: Питер, 2019. — 320 c.
• Макшанов А.В. Технологии интеллектуального анализа данных. — М.: Лань. 2019. 212 с.
• Чашкин, Ю.Р. Математическая статистика. Анализ и обработка данных: Учебное пособие / Ю.Р. Чашкин; Под ред. С.Н. Смоленский. — Рн/Д: Феникс, 2021. — 236 c.
• Дэви Силен, Арно Мейсман, Мохамед Али, Основы Data Science и Big Data. Python и наука о данных. — СПб.: Питер, 2021. — 336 с
• Юре Лесковец, Ананд Раджараман, Джеффри Д. Ульман, Анализ больших наборов данных. — М.: ДМК Пресс, 2021. — 498 с.)

Қосымша әдебиеттер

• Рафалович В. Data mining, или интеллектуальный анализ данных для занятых. Практический курс / В. Рафалович. — М.: SmartBook, 2018. — 352 c.
• Форман Дж. Много цифр: Анализ больших данных при помощи Excel / Дж. Форман. — М.: Альпина Паблишер, 2019. — 461 c.