1. Цели освоения дисциплины
| 1.1. | Формирование ключевых компетенций в области науки о данных за счет ознакомления с теоретическими и практическими аспектами работы с большими данными, разработки алгоритмов и программ сбора, обработки и анализа больших данных в прикладных задачах анализа устойчивого развития территорий и разработки специлизированных проектов. |
|---|
2. Место дисциплины в структуре ООП
| Цикл (раздел) ООП: Б1.О.03 |
3. Компетенции обучающегося, формируемые в результате освоения дисциплины
| ПК-1 | Способен использовать и разрабатывать методы, модели, алгоритмы и цифровые технологии, а также различные инструментальные средства сбора, анализа и обработки данных различной природы для решения прикладных задач устойчивого развития территорий |
| ПК-1.1 | Знает методы и программный инструментарий технологий анализа данных, методы сравнительного анализа методов, моделей, алгоритмов и информационных технологий, специфику применения и ограничения различных методов. Умеет применять на практике методы научных исследований и инструментарий информационных технологий для выполнения научноисследовательских задач в области устойчивого развития территорий. Владеет навыками проведения научного исследования параметров функционирования и/или развития территориальнораспределенных систем с использованием современных цифровых технологий. |
| ПК-1.2 | Умеет применять на практике методы научных исследований и инструментарий информационных технологий для выполнения научноисследовательских задач в области устойчивого развития территорий. |
| ПК-1.3 | Владеет навыками проведения научного исследования параметров функционирования и/или развития территориальнораспределенных систем с использованием современных цифровых технологий. |
| ПК-2 | Способен разрабатывать и реализовывать прикладные проекты по анализу данных (включая большие данные), осуществлять сбор и организовывать хранение данных, подбирать методы, технологии и программные средства обработки данных, выполнять экономическое обоснование реализации проекта и анализ его эффективности |
| ПК-2.1 | Знает методы сбора, предварительного анализа и хранения данных, процедуру разработки прикладного проекта по анализу больших данных, включая этапы подбора команды, подбор методов и технологий анализа данных. |
| ПК-2.2 | Умеет оценивать соответствие набора данных предметной области и задачам аналитических работ проекта, разрабатывать и оценивать модели и цифровые технологии анализа данных, проводить агрегирование и преобразование данных. |
| ПК-2.3 | Владеет методами и инструментальными средствами анализа данных, включая большие данные, методами оценки и корректности результатов обработки данных, подходами сравнения и оценки эффективности различных технологий анализа данных в прикладных задачах. |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | Математические модели профессиональных типовых задач и интерпретацию полученных математические результаты, владение знаниями об ограничениях и границах применимости. |
| 3.2. | Уметь: |
| 3.2.1. | Собирать, обрабатывать и интерпретировать экспериментальные данные, необходимые для проектной и производственно-технологической деятельности. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | Фундаментальными разделами математики и информатики, необходимыми для решения научно-исследовательских и практических задач в профессиональной области. |
4. Структура и содержание дисциплины
| Код занятия | Наименование разделов и тем | Вид занятия | Семестр | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Введение в БД. Основные элементы анализа данных. Введение в машинное обучение | ||||||
| 1.1. | Определение БД. Атрибуты БД.Аналитические инструменты работы с большими данными – MapReduce, Hadoop, R. | Лекции | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 1.2. | Методология подготовки данных. Форматы данных. Типы переменных. Выбор переменных. Конструирование признаков в БД. Неполные данные и методы их обогащения | Лекции | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 1.3. | Подготовка данных к анализу: формат данных, типы переменных, выбор переменных, конструирование признаков, неполные данные | Лабораторные | 2 | 8 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 1.4. | Обзор алгоритмов обучения без учителя. Обзор алгоритмов обучения с учителем. Методология выбора алгоритма машинного обучения. Методология оценки результатов применения машинного обучения. | Лекции | 2 | 8 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 1.5. | Выбор алгоритма (обучение с учителем, обучение без учителя, обучение с подкреплением). Факторы, влияющие на выбор алгоритма. Настройка параметров. Оценка результатов. | Лабораторные | 2 | 8 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| Раздел 2. Введение в регрессионный анализ | ||||||
| 2.1. | Линейный и нелинейный регрессионный анализ данных. Применение методов регрессионного анализа в БД. | Лекции | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 2.2. | Построение моделей линейной и нелинейной регрессии сравнение результатов прогноза на основе метрик качества. | Лабораторные | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| Раздел 3. Методы автоматической классификации (обучение без учителя) | ||||||
| 3.1. | Методы обучения с учителем для классификации объектов. Метрики классификации. Кластеризация методом k-средних. Алгоритм DBSCAN. | Лекции | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 3.2. | Определение метрик классификации и их применение в БД. выбор оптимального количества кластеров. Определение главных компонент. Ограничения методов. | Лабораторные | 2 | 4 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| Раздел 4. Методы классификации (обучение с учителем) | ||||||
| 4.1. | Ассоциативные правила. Принцип A priopi. Метод опорных векторов. Метод k-ближайших соседей и обнаружение аномалий. Метод главных компонент. Дерево решений. Случайные леса. Введение в нейронные сети. A/B-тестирование. Введение в нейронные сети. | Лекции | 2 | 8 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| 4.2. | Реализация метода k-ближайших соседей, учет аномалий. Построение нейронной сети. | Лабораторные | 2 | 8 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
| Раздел 5. Итоговая аттестация | ||||||
| 5.1. | Подготовка к экзамену, чтение литературы, выполнение расчетных заданий. | Сам. работа | 2 | 125 | ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.1, ПК-2.2, ПК-2.3 | Л2.1, Л2.2, Л1.1 |
5. Фонд оценочных средств
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| см. приложение |
| 5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
| см. приложение |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| см. приложение |
| Приложения |
|
Приложение 1.
ФОС_Статистика больших данных.docx
|
6. Учебно-методическое и информационное обеспечение дисциплины
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Шарден Б., Массарон Л., Боскетти А. | Крупномасштабное машинное обучение вместе с Python: Учебные пособия | Издательство "ДМК Пресс", 2018 //ЭБС издательства «Лань» | e.lanbook.com |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Черткова Е.А. | СТАТИСТИКА. АВТОМАТИЗАЦИЯ ОБРАБОТКИ ИНФОРМАЦИИ: учеб. пособие | М. : Издательство Юрайт, 2018 | |
| Л2.2 | Дронов С.В. | Многомерный статистический анализ: Учебное пособие | Барнаул, изд-во АлтГУ, 2007 | |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Сайт библиотеки АлтГУ | www.lib.asu.ru | ||
| Э2 | Электронно-библиотечная система издательства «Лань» | www.e.lanbook.com | ||
| Э3 | Свободная энциклопедия «Википедия» | ru.wikipedia.org | ||
| Э4 | Единый образовательный портал АлтГУ: Статистика больших данных | portal.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| операционная система не ниже Windows 10 (x64), Ubuntu 20.04, Anaconda, Python 3.7.7 CUDA 10.2 (при наличии машин с GPU). Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно); Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно); Chrome (http://www.chromium.org/chromium-os/licenses), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt), (бессрочно); AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно); ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно); LibreOffice (https://ru.libreoffice.org/), (бессрочно); Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно); Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024); Архиватор Ark (https://apps.kde.org/ark/), (бессрочно); Okular (https://okular.kde.org/ru/download/), (бессрочно); Редактор изображений Gimp (https://www.gimp.org/), (бессрочно) | ||||
| 6.4. Перечень информационных справочных систем | ||||
| Сайт библиотеки АлтГУ: www.lib.asu.ru; Электронно-библиотечная система издательства "Лань": www.e.lanbook.com; Электронно-библиотечная система "Университетская библиотека online": www.biblioclub.ru; Свободная энциклопедия "Википедия": http://ru.wikipedia.org; Единый образовательный портал http://portal.edu.asu.ru Электронная база данных ZBMATH: https://zbmath.org/ | ||||
7. Материально-техническое обеспечение дисциплины
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 408Л | лаборатория математического моделирования - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 15 посадочных мест; рабочее место преподавателя; доска меловая 1 шт.; компьютер Depo - 10 шт., 5 шт. с мониторами LG и 5 шт. с мониторами Philips; мультимедиа-проектор Sony - 1 шт.; МФУ Canon - 1 шт.; стационарный экран: марка Digis Optima C - 1 шт. |
| Учебная аудитория | для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска) |
| 519М | электронный читальный зал с доступом к ресурсам «ПРЕЗИДЕНТСКОЙ БИБЛИОТЕКИ имени Б.Н. Ельцина» - помещение для самостоятельной работы | Учебная мебель на 46 посадочных мест; 1 Флипчарт; компьютеры; ноутбуки с подключением к информационно-телекоммуникационной сети "Интернет" и доступом в электронную информационно-образовательную среду; стационарный проектор: марка Panasonic, модель PT-ST10E; стационарный экран: марка Projecta, модель 10200123; система видеоконференцсвязи Cisco Telepresence C20; конгресс система Bosch DCN Next Generation; 8 ЖК-панелей |
8. Методические указания для обучающихся по освоению дисциплины
| 1. Лекция. - На лекционных занятиях необходимо конспектировать изучаемый материал. - Для систематизации лекционного материала, который будет полезен при подготовке к итоговому контролю знаний, записывайте на каждой лекции тему, вопросы для изучения, рекомендуемую литературу. - В каждом вопросе выделяйте главное, обязательно запишите ключевые моменты (определение, факты, законы, правила и т.д.), подчеркните их. - Если по содержанию материала возникают вопросы, не нужно выкрикивать, запишите их и задайте по окончании лекции или на семинарском занятии. - Перед следующей лекцией обязательно прочитайте предыдущую, чтобы актуализировать знания и осознанно приступить к освоению нового содержания. 2.Семинарское (практическое) занятие – это форма работы, где студенты максимально активно участвуют в обсуждении темы. - Для подготовки к семинару необходимо взять план семинарского занятия (у преподавателя, на кафедре или в методическом кабинете). - Самостоятельную подготовку к семинарскому занятию необходимо начинать с изучения понятийного аппарата темы. Рекомендуем использовать справочную литературу (словари, справочники, энциклопедии), целесообразно создать и вести свой словарь терминов. - На семинар выносится обсуждение не одного вопроса, поэтому важно просматривать и изучать все вопросы семинара, но один из вопросов исследовать наиболее глубоко, с использованием дополнительных источников (в том числе тех, которые вы нашли самостоятельно). Не нужно пересказывать лекцию. - Важно запомнить, что любой источник должен нести достоверную информацию, особенно это относится к Internet-ресурсам. При использовании Internet - ресурсов в процессе подготовки не нужно их автоматически «скачивать», они должны быть проанализированы. Не нужно «скачивать» готовые рефераты, так как их однообразие преподаватель сразу выявляет, кроме того, они могут быть сомнительного качества. - В процессе изучения темы анализируйте несколько источников. Используйте периодическую печать - специальные журналы. - Полезным будет работа с электронными учебниками и учебными пособиями в Internet-библиотеках. Зарегистрируйтесь в них: университетская библиотека Онлайн (http://www.biblioclub.ru/) и электронно-библиотечная система «Лань» (http://e.lanbook.com/). - В процессе подготовки и построения ответов при выступлении не просто пересказывайте текст учебника, но и выражайте свою личностно-профессиональную оценку прочитанного. - Принимайте участие в дискуссиях, круглых столах, так как они развивают ваши навыки коммуникативного общения. - Если к семинарским занятиям предлагаются задания практического характера, продумайте план их выполнения или решения при подготовке к семинару. - При возникновении трудностей в процессе подготовки взаимодействуйте с преподавателем, консультируйтесь по самостоятельному изучению темы. 3. Самостоятельная работа. - При изучении дисциплины не все вопросы рассматриваются на лекциях и семинарских занятиях, часть вопросов рекомендуется преподавателем для самостоятельного изучения. - Поиск ответов на вопросы и выполнение заданий для самостоятельной работы позволит вам расширить и углубить свои знания по курсу, применить теоретические знания в решении задач практического содержания, закрепить изученное ранее. - Эти задания следует выполнять не «наскоком», а постепенно, планомерно, следуя порядку изучения тем курса. - При возникновении вопросов обратитесь к преподавателю в день консультаций на кафедру. - Выполнив их, проанализируйте качество их выполнения. Это поможет вам развивать умения самоконтроля и оценочные компетенции. 4. Итоговый контроль. - Для подготовки к экзамену возьмите перечень примерных вопросов у методиста кафедры. - В списке вопросов выделите те, которые были рассмотрены на лекции, семинарских занятиях. Обратитесь к своим записям, выделите существенное. Для более детального изучения изучите рекомендуемую литературу. - Если в списке вопросов есть те, которые не рассматривались на лекции, семинарском занятии, изучите их самостоятельно. Если есть сомнения, задайте вопросы на консультации перед экзаменом. - Продумайте свой ответ на экзамене, его логику. Помните, что ваш ответ украсит ссылка на источник литературы, иллюстрация практики применения теоретического знания, а также уверенность и наличие авторской аргументированной позиции как будущего субъекта профессиональной деятельности. |