Цель изучения дисциплины | Формирование у студентов необходимой теоретической базы и практических навыков, которые позволят всесторонне понимать современные проблемы обработки и анализа информации, а также разрабатывать и анализировать концептуальные и теоретические модели при решении научных и прикладных задач в области информационных технологий. Одна из главных проблем современной обработки и анализа данных - рост объемов данных, поэтому понимание особенностей Big Data и принципов анализа больших данных становятся ключевыми факторами, определяющими развитие прикладной аналитики на современном этапе. Задачи курса: 1) формирование целостного представления о современных проблемах бизнес-аналитики и обработки больших данных; 2) развитие навыков применения методов Data Mining и других методов интеллектуального анализа данных при решении задач анализа данных; 3) приобретение опыта разработки и анализа концептуальных и теоретических моделей прикладных задач анализа больших данных. 4) развитие навыков выявлять, формализовать и успешно решать практические задачи анализа данных, возникающие в процессе их профессиональной деятельности. |
---|---|
Место дисциплины в учебном плане | ФТД.В |
Формируемые компетенции | ОК-1 | Знания, умения и навыки, получаемые в результате освоения дисциплины |
Знать:
• основные способы предварительной обработки и визуализации данных • технологии интеллектуального анализа данных, методы и модели Data Mining • особенности направления Big Data, его основные отличия от направления бизнес-аналитика • методы решения задач обработки и анализа больших данных Уметь:
• оценивать время и необходимые аппаратные ресурсы для решения задач анализа и обработки данных; • создавать алгоритмы анализа и обработки данных с применением моделей Data Mining для решения конкретных задач; • разрабатывать и анализировать концептуальные и теоретические модели прикладных задач анализа больших данных. Иметь навыки и (или) опыт деятельности (владеть):
• навыками применения программных систем, используемых для решения типичных задач бизнес-аналитики с возможностью применения методов интеллектуально анализа; • навыками применения программных средств, предназначенных для анализа больших данных. |
Содержание дисциплины | Раздел 1. Интеллектуальный анализ данных. Раздел 2. Использование методов Data Mining для решения задач бизнес-аналитики. Раздел 3. Большие данные (Big Data). |
Виды учебной работы | Лекции, практические, самостоятельная работа. |
Используемые информационные, инструментальные и программные средства |
Аналитическая платформа Deductor Academic
Microsoft Windows Microsoft Office 7-Zip AcrobatReader Информационная справочная система:
СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). Профессиональные базы данных: 1. Электронная база данных «Scopus» (http://www.scopus.com); 2. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/); 3. Научная электронная библиотека elibrary (http://elibrary.ru). 4. Электронная база данных ZBMATH: https://zbmath.org/ |
Форма промежуточной аттестации | Зачет. |