Цель изучения дисциплины | Целями изучения дисциплины являются изучение методов и подходов к анализу данных различного объема, включая предварительную обработку данных и статистический анализ, освоение различных моделей машинного обучения, предназначенных для решения задач кластеризации, классификации и регрессии и применение их для решения прикладных задач из различных сфер человеческой деятельности. |
---|---|
Место дисциплины в учебном плане | Б1.В.ДВ.01.02 |
Формируемые компетенции | ПК-7 | Знания, умения и навыки, получаемые в результате освоения дисциплины |
Знать:
Основные технологии анализа данных. Уметь:
Строить автоматизированные модели анализа данных. Иметь навыки и (или) опыт деятельности (владеть):
Навыками анализа данных на примере решения задач кластеризации, классификации, прогнозирования. |
Содержание дисциплины | Введение в анализ данных. Очистка, интеграция и преобразование данных. Программные модули и пакеты для работы с многомерными массивами данных. Визуализация данных. Теория вероятностей и математическая статистика. Методы машинного обучения. |
Виды учебной работы | Лекции, лабораторные, самостоятельная работа. |
Используемые информационные, инструментальные и программные средства |
Microsoft Windows
Microsoft Office Дистрибутив Anaconda 7-Zip AcrobatReader 1. Основы алгоритмизации и программирования на языке Python [Электронный ресурс]: https://portal.edu.asu.ru/course/view.php?id=3237
2. Издательство «Лань» - электронно-библиотечная система [Электронный ресурс]: http://e.lanbook.com 3. Издательство МЦНМО. Свободно распространяемые книги издательства Московского центра непрерывного математического образования [Электронный ресурс]: www.mccme.ru/free-books 4. Электронная библиотечная система Алтайского государственного университета [Электронный ресурс]: http://elibrary.asu.ru 5. Электронная база данных ZBMATH: https://zbmath.org/ |
Форма промежуточной аттестации | Экзамен. |