Цель изучения дисциплины | формирование у будущих специалистов практических навыков по основам интеллектуального анализа данных, применения современных информационных технологий интеллектуального анализа данных для решения экономических, управленческих и других прикладных задач, развитие умения работы с современными программными средствами, обучение работе с научно-технической литературой и технической документацией по программному обеспечению. Задачи изучения дисциплины - реализация требований, установленных в квалификационной характеристике в области анализа, создания, внедрения, сопровождения и применения средств математического обеспечения информационных систем предметной области. |
---|---|
Место дисциплины в учебном плане | Б1.В.ДВ.03 |
Формируемые компетенции | ПК-23 | Знания, умения и навыки, получаемые в результате освоения дисциплины |
Знать:
основы организации хранилищ данных (ХД), OLAP-технологии, архитектуру ХД и OLAP-систем; методы интеллектуального анализа данных — технологии BI, OLAP, Data Mining; средства визуального анализа данных; технологии Text-Mining, Web-Mining. Уметь:
разрабатывать алгоритмы решения задач методами Data Mining; проектировать хранилища данных для решения поставленных задач анализа данных в предметной области; применять на практике программные средства и прикладные библиотеки для консолидации и подготовки данных, для решения задач методами Data Mining; искать библиографические источники для решения задач методами Data Mining; выполнять визуализацию данных в процессе решения поставленных задач анализа данных в предметной области; применять на практике программные средства и прикладные библиотеки для визуализации данных в процессе решения задач методами Data Mining. Иметь навыки и (или) опыт деятельности (владеть):
построения хранилищ данных, организации процесса ETL, работы с OLAP-технологиями; применения алгоритмов Data Mining для решения соответствующих задач; применения технологий Text-Mining, Web-Mining; навыками визуализации данных в средах интеллектуального анализа данных. |
Содержание дисциплины | Введение. Интеллектуальный анализ данных, извлечение знаний из данных. Регрессионный анализ. Кластеризация. Визуальный анализ данных.. |
Виды учебной работы | Лекции, практические, лабораторные, самостоятельная работа. |
Используемые информационные, инструментальные и программные средства |
Аналитическая платформа Deductor Academic
Microsoft Windows Microsoft Office 7-Zip AcrobatReader Не предусмотрены.
|
Форма промежуточной аттестации | Экзамен. |