Аннотация рабочей программы дисциплины
«Информационные технологии интеллектуального анализа данных»

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, ПК-24
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
https://portal.edu.asu.ru/course/view.php?id=3882
Форма промежуточной аттестации Экзамен.