МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Информационные технологии многомерного анализа данных

рабочая программа дисциплины
Закреплена за кафедройКафедра цифровых технологий и бизнес-аналитики
Направление подготовки09.04.03. Прикладная информатика
ПрофильПрикладная информатика в управлении финансами
Форма обученияОчная
Общая трудоемкость3 ЗЕТ
Учебный план09_04_03_ПИвУФ-1-2019
Часов по учебному плану 108
в том числе:
аудиторные занятия 30
самостоятельная работа 51
контроль 27
Виды контроля по семестрам
экзамены: 3

Распределение часов по семестрам

Курс (семестр) 2 (3) Итого
Недель 19
Вид занятий УПРПДУПРПД
Лекции 12 12 12 12
Лабораторные 18 18 18 18
Сам. работа 51 51 51 51
Часы на контроль 27 27 27 27
Итого 108 108 108 108

Программу составил(и):
канд. физ.-мат. наук, доцент , Козлов Д.Ю.

Рецензент(ы):
канд. экон. наук, доцент, Капустян Л. А.

Рабочая программа дисциплины
Информационные технологии многомерного анализа данных

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 09.04.03 Прикладная информатика (уровень магистратуры) (приказ Минобрнауки России от 19.09.2017г. №916)

составлена на основании учебного плана:
09.04.03 Прикладная информатика
утвержденного учёным советом вуза от 25.06.2019 протокол № 9.

Рабочая программа одобрена на заседании кафедры
Кафедра цифровых технологий и бизнес-аналитики

Протокол от 10.06.2019 г. № 10
Срок действия программы: 2019-2020 уч. г.

Заведующий кафедрой
д-р техн. наук, профессор В.И. Псарев


Визирование РПД для исполнения в очередном учебном году

Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2019-2020 учебном году на заседании кафедры

Кафедра цифровых технологий и бизнес-аналитики

Протокол от 10.06.2019 г. № 10
Заведующий кафедрой д-р техн. наук, профессор В.И. Псарев


1. Цели освоения дисциплины

1.1.Цель освоения учебной дисциплины «Информационные технологии многомерного анализа данных» изучение фундаментальных понятий и теоретических основ анализа многомерных данных, овладение практическими навыками статистических вычислений в прикладных пакетах анализа данных и интерпретации результатов.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.В.ДВ.01.01

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ПК-6 Способен использовать информационные сервисы для автоматизации прикладных и информационных процессов
ПК-7 Способен интегрировать компоненты и сервисы ИС
ПК-11 Способен использовать и развивать методы научных исследований и инструментария в области проектирования и управления информационными системами в прикладных областях
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.методы корреляционного анализа, снижения размерности, методы многомерной классификации объектов кластерный и дискриминантный анализы;
методы проверки статистических гипотез о значимости параметров модели и коэффициентов.
3.2.Уметь:
3.2.1.применять методы многомерные статистические методы для анализа социально-экономических процессов и явлений;
интерпретировать полученные результаты анализа социально-экономических явлений и процессов.
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.c методами и основными приемами многомерного статистического анализа и их практической реализацией с использованием прикладного программного обеспечения;
c приемами содержательной интерпретации результатов применения многомерных методов исследования зависимостей, многомерной классификации и снижения размерности.

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. Введение в многомерный статистический анализ
1.1. Понятие об основных задачах многомерного статистического анализа. Понятия переменной (характеристики, признака), наблюдения, таблицы данных. Основные виды переменных (количественные, порядковые и нечисловые). Основные проблемы, возникающие в многомерном статистическом анализе. Лекции 3 2 Л1.1, Л1.2
1.2. Обзор программного обеспечения многмерного анализа данных Лабораторные 3 2 Л1.1
1.3. Обзор программного обеспечения многмерного анализа данных Сам. работа 3 9 Л1.1, Л2.1, Л1.2
1.4. Введение в многомерный статистический анализ Экзамен 3 6 Л1.1, Л2.1, Л1.2
Раздел 2. Корреляционно-регрессионный анализ
2.1. Постановка задачи регрессионного анализа. Линейная и нелинейная регрессия. Критерии оценивания качества регрессионной модели. Лекции 3 2 Л1.1, Л1.2
2.2. Корреляционно-регрессионный анализ в MS Excel Лабораторные 3 2 Л1.1, Л2.2
2.3. Корреляционно-регрессионный анализ в MS Excel Сам. работа 3 8 Л1.1, Л1.2
2.4. Корреляционно-регрессионный анализ Экзамен 3 4 Л1.1, Л2.1, Л1.2, Л2.2
Раздел 3. Дисперсионный анализ
3.1. Введение в дисперсионный анализ. Задача дисперсионного анализа. Понятия факторов, уровней, таблицы данных для дисперсионного анализа. Лекции 3 2 Л1.1, Л1.2
3.2. Дисперсионный анализ в MS Excel Лабораторные 3 4 Л1.1, Л1.2
3.3. Дисперсионный анализ в MS Excel Сам. работа 3 6 Л1.1, Л1.2
3.4. Дисперсионный анализ Экзамен 3 4 Л1.1, Л2.1, Л1.2, Л2.2
Раздел 4. Кластерный анализ
4.1. Кластерный анализ Введение в кластер-анализ. Постановка задачи автоматической группировки. Понятие группы объектов (кластера). Меры расстояния между группами объектов.Меры близости объектов внутри группы. Способы задания расстояния в признаковом пространстве. Критерии качества группировки. Лекции 3 2 Л1.1, Л1.2
4.2. Кластерный анализ в PSPP, RStudio Лабораторные 3 2 Л1.1
4.3. Кластерный анализ в PSPP, RStudio Сам. работа 3 8 Л1.1, Л1.2
4.4. Кластерный анализ Экзамен 3 3 Л1.1, Л2.1, Л1.2, Л2.2
Раздел 5. Дискриминантный анализ
5.1. Введение в дискриминантный анализ. Постановка задачи дискриминантного анализа («распознавания образов», «классификации с учителем»). Понятия решающей функции (классификатора), дискриминантной функции, дискриминантной модели. Оптимальная решающая и дискриминантная функции. Понятие о параметрических и непараметрических методах дискриминантного анализа. Параметрические методы дискриминантного анализа. Лекции 3 2 Л1.1, Л1.2, Л1.3, Л3.1
5.2. Дискриминантный анализ в RStudio Лабораторные 3 4 Л1.1
5.3. Дискриминантный анализ в RStudio Сам. работа 3 12 Л1.1, Л1.2
5.4. Дискриминантный анализ Экзамен 3 4 Л1.1, Л2.1, Л1.2
Раздел 6. Методы снижения размерности
6.1. Задачи снижения размерности и отбора наиболее информативных переменных. Постановка задачи снижения размерности и отбора наиболее информативных переменных. Критерии информативности переменных. Допустимые преобразования переменных, проектирование в пространство меньшей размерности. Задача анализа главных компонент. Понятие главных компонент, их нахождение, критерии качества. Нахождение собственных чисел и векторов матрицы. Геометрическая интерпретация главных компонент.Задача факторного анализа. Факторные нагрузки. Общность. Критерии качества решения. Связь с задачей анализа главных компонент. Вращение переменных, критерий «варимакс». Основные методы отбора наиболее информативных переменных: Метод пошагового включения и исключения переменных Лекции 3 2 Л1.1, Л1.2
6.2. Факторный анализ, метод главных компонент в RStudio Лабораторные 3 4 Л1.1, Л1.2
6.3. Факторный анализ, метод главных компонент в RStudio Сам. работа 3 8 Л1.1, Л1.2
6.4. Факторный анализ, метод главных компонент в RStudio Экзамен 3 6 Л1.1, Л1.2

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

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
Авторы Заглавие Издательство, год Эл. адрес
Л1.1 Симчера В.М. Методы многомерного анализа статистических данных: М.: Финансы и статистика // ЭБС "ONLINE", 2008 biblioclub.ru
Л1.2 Дубина И.Н. Математико-статистические методы в эмпирических социально-экономических исследованиях: Учебное пособие Финансы и статистика, 2014 biblioclub.ru
Л1.3 Крыштановский, А.О. Анализ социологических данных с помощью пакета SPSS: учеб. пособие для вузов Москва, 2007 http://biblioclub.ru/index.php?page=book_red&id=445561
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 Романко В.К. Статистический анализ данных в психологии: Учебное пособие М.: БИНОМ. Лаборатория знаний // ЭБС "ONLINE", 2015 biblioclub.ru
Л2.2 Воскобойников Ю.Е. Регрессионный анализ данных в пакете MATHCAD + CD : Учебное пособие "Лань" / ЭБС "Лань" , 2011 г. e.lanbook.com
6.1.3. Дополнительные источники
Авторы Заглавие Издательство, год Эл. адрес
Л3.1 Дронов С.В. Методы и задачи многомерной статистики: учебник АлтГУ, 2015 elibrary.asu.ru
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 Курс в Moodle "Информационные технологии многомерного анализа данных" portal.edu.asu.ru
Э2 http://www.exponenta.ru/
Э3 http://www.intuit.ru
6.3. Перечень программного обеспечения
Microsoft Windows 7 Professional
Office 2010 Professional
Acrobat Reader
7-Zip
RStudio
6.4. Перечень информационных справочных систем
СПС КонсультантПлюс (http://www.consultant.ru/)
Электронная база данных Scopus (https://www.scopus.com/)
Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/)
Научная электронная библиотека Elibrary (https://elibrary.ru)

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
Помещение для самостоятельной работы помещение для самостоятельной работы обучающихся Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ
108М лаборатория информационных технологий - компьютерный класс – учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации Учебная мебель на 13 посадочных мест; рабочее место преподавателя; доска магнитно-маркерная; интерактивная доска: SMART Board – 1 ед.; персональные компьютеры: NAIO Corp Z520 – 13 ед.
110М лаборатория информационных технологий - компьютерный класс – учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации Учебная мебель на 14 посадочных мест; рабочее место преподавателя; доска магнитно-маркерная 1 шт.; компьютеры: марка NAIO Corp Z520 - 14 ед.
304С лаборатория информационных технологий - компьютерный класс - 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 магнитно-маркерная; компьютеры: марка AsusTeK Computer INC модель P8B75-M; мониторы: марка ASUS модель VW224 - 15 единиц; плакат "Компьютер и безопасность"
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)

8. Методические указания для обучающихся по освоению дисциплины

Изучение учебной дисциплины студентами предусматривает два вида работ:
- работа с преподавателем;
- самостоятельная работа.

Работа с преподавателем охватывает два вида учебных занятий: лекционные занятия и практические занятия. Последовательность проведения данных занятия, их содержание определяются настоящей программой. Посещение данных занятий является обязательным для всех студентов. Практическое занятие требует подготовки студентов, предусматривающей изучение теоретического материала по теме занятия с использованием учебной литературы, перечень которой приведен в данной рабочей программе.

Вторым видом работы студента, выполняемым им при изучении курса является самостоятельная работа, которая помимо подготовки к практическим занятиям предусматривает изучение нормативных правовых актов и рекомендованной основной и дополнительной литературы, а также выполнение заданий для самостоятельной работы студентов.
Цель заданий для самостоятельной работы - закрепить полученные знания в рамках отдельных тем по учебной дисциплине, сформировать умения и навыки по решению вопросов, составляющим содержание курса.
Выбор конкретных заданий для самостоятельной работы осуществляется каждым студентом самостоятельно, исходя из потребности набора необходимого количества баллов по бально-рейтинговой системе (БРС) оценки знаний.
Для выполнения заданий необходимо изучить списки нормативных актов и экономической литературы, рекомендуемых по каждой теме учебной дисциплины.
Работа должна носить самостоятельный, творческий характер. При ее оценке преподаватель в первую очередь оценивает обоснованность и оригинальность выводов. В процессе работы над заданием закрепляются и расширяются знания по конкретным вопросам учебной дисциплины.
В письменной работе по теме задания студент должен полно и всесторонне рассмотреть все аспекты темы, четко сформулировать и аргументировать свою позицию по ключевым вопросам. Некоторые задания для самостоятельных работ предусматривают также обсуждение полученных результатов на практических занятиях.
При необходимости в процессе работы над заданием студент может получить индивидуальную консультацию у преподавателя.
Выполненное задание проверяется преподавателем и оценивается в баллах БРС.
При желании студентом может быть подготовлен реферат, по тематике предложенной в настоящей рабочей программе или по теме предложенной студентом и предварительно согласованной с преподавателем.
Задания для самостоятельной работы выполняются студентом в письменном виде на стандартных листах формата А4.
Результаты самостоятельной работы оформляются в виде персонального портфолио студента по дисциплине. Портфолио создается в форме папки документов, отражающих выполненную работу студента и его учебные и научные достижения при изучении учебного курса.
Элементами портфолио являются:
- титульный лист, оформленный в соответствии с установленными требованиями (н-р, курсовая работа);
- результаты входного контроля знаний студентов (ответы на вопросы теста по входному контролю);
- размышления студента, сделанные им после первого занятия, о содержании изучаемого курса, его необходимости, целях и задачах;
- выполненные задания самостоятельной работы (контролируются и оцениваются после каждого практического занятия);
- список литературы, с которой работал студент при изучении курса;
- документы, подтверждающие учебные достижения студента при изучении учебной дисциплины: подготовленные статьи по тематике курса, грамоты, благодарственные письма и т.д.;
- рефлексивное обобщение итогов изучения учебной дисциплины (размышления студента после изучения курса, содержащие следующие разделы:
1. Содержание курса, его новизна и необходимость для формирования профессиональных навыков экономиста.
2. Самые важные открытия, сделанные при изучении курса.
3. Что было трудным. Что осталось непонятным после изучения курса.
4. Задачи вопросы, которые я собираюсь дополнительно рассмотреть по окончании изучения курса.
5. Другое по усмотрению студента.