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

Программное обеспечение систематизации и обработки данных

рабочая программа дисциплины
Закреплена за кафедройКафедра информатики
Направление подготовки41.03.02. Регионоведение России
ПрофильНациональная политика, межрегиональное и международное сотрудничество России
Форма обученияОчная
Общая трудоемкость2 ЗЕТ
Учебный план41_03_02_РР-1-2019
Часов по учебному плану 72
в том числе:
аудиторные занятия 18
самостоятельная работа 54
Виды контроля по семестрам
зачеты: 6

Распределение часов по семестрам

Курс (семестр) 3 (6) Итого
Недель 15,5
Вид занятий УПРПДУПРПД
Лекции 2 2 2 2
Практические 16 16 16 16
Сам. работа 54 54 54 54
Итого 72 72 72 72

Программу составил(и):
к.т.н., доцент, Михеева Т.В.

Рецензент(ы):
к.ф.-м.н., доцент, Пономарев И.В.

Рабочая программа дисциплины
Программное обеспечение систематизации и обработки данных

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 41.03.02 Регионоведение России (уровень бакалавриата) (приказ Минобрнауки России от 15.06.2017г. №554)

составлена на основании учебного плана:
41.03.02 Регионоведение России
утвержденного учёным советом вуза от 25.06.2019 протокол № 9.

Рабочая программа одобрена на заседании кафедры
Кафедра информатики

Протокол от 22.06.2019 г. № 8
Срок действия программы: 2019-2020 уч. г.

Заведующий кафедрой
Жариков А.В., доцент, к.ф.-м.н.


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 информатики

Протокол от 22.06.2019 г. № 8
Заведующий кафедрой Жариков А.В., доцент, к.ф.-м.н.


1. Цели освоения дисциплины

1.1.Главная задача курса - сформировать целостное представление о современных проблемах анализа и обработки данных, помочь овладеть опытом разработки алгоритмов анализа и обработки данных с применением моделей Data Mining.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.В.01

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-2 Способен применять информационно-коммуникационные технологии и программные средства для решения стандартных задач профессиональной деятельности на основе основе информационной и библиографической культуры и требований информационной безопасности
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.методы сбора, обработки и анализа данных.
3.2.Уметь:
3.2.1.использовать инструментальные средства для анализа данных.
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.применения аналитических платформ в профессиональной деятельности.

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. Технологии анализа данных: Технологии KDD и Data Mining
1.1. Подготовка данных к анализу. Методика извлечения знаний. Data Mining. Мультидисциплинарный характер Data Mining. Причины распространения KDD и Data Mining Лекции 6 1 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.2. Программное обеспечение в области анализа данных. Аналитические платформы: классификация и особенности применения. Лекции 6 1 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.3. Начало работы. Понятие сценария и узла обработки.Консолидация данных. Трансформация данных. Визуализация данных. Практические 6 4 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.4. Ассоциативные правила. Поиск ассоциативных правил. Практические 6 2 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.5. Кластеризация. Алгоритм кластеризации k-means. Практические 6 2 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.6. Классификация и регрессия. Прогнозирование с помощью линейной регрессии. Практические 6 4 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.7. Классификация и регрессия. Классификация с помощью деревьев решений. Практические 6 4 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2
1.8. Проработка необходимых вопросов для подготовки к лекциям и практическим занятиям. Сам. работа 6 54 ОПК-2 Л2.3, Л2.1, Л1.2, Л1.1, Л2.2

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.)
Не предусмотрено.
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 Мхитарян В.С. - Отв. ред. Анализ данных: Учебник для академического бакалавриата М.:Издательство Юрайт, 2018 urait.ru
Л1.2 Жуковский, О.И. Информационные технологии и анализ данных : учебное пособие Томск : Эль Контент, 2014 http://biblioclub.ru/index.php?page=book&id=480500
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 Симчера В. М. Методы многомерного анализа статистических данных: учебное пособие Финансы и статистика, 2008 biblioclub.ru
Л2.2 Вирт Н. Алгоритмы и структуры данных. Новая версия для Оберона: Учебные пособия Издательство "ДМК Пресс", 2010 e.lanbook.com
Л2.3 Боровков А.А. Математическая статистика: учебник СПб.: Лань, 2010 e.lanbook.com
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 ЭБС "Юрайт" biblio-online.ru
Э2 ЭБС «Университетская библиотека online» biblioclub.ru
Э3 ЭБС «Лань» e.lanbook.com
6.3. Перечень программного обеспечения
Microsoft Windows
Microsoft Office
7-Zip
AcrobatReader
6.4. Перечень информационных справочных систем
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).

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
107Л 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 18 посадочных мест; компьютеры: марка HP, модель ProOne 400 - 18 единиц; проектор: марка SMART, модель UF70 - 1 единица; интерактивная доска: марка SMART Board модель SMB680 - 1 единица
202Л 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 14 посадочных мест; компьютеры: марка HP - 14 единиц; мониторы: марка ASUS модель VS197DE - 14 единиц
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)
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
106Л помещение для хранения и профилактического обслуживания учебного оборудования Стеллажи – 3 шт. осциллограф, паяльная станция, источник тока, переносные ноутбуки
303Д читальный зал НБ – помещение для самостоятельной работы Учебная мебель на 9 посадочных мест; компьютер; переносные ноутбуки (по запросу)

8. Методические указания для обучающихся по освоению дисциплины

Методические указания для студентов
Главная задача курса — сформировать целостное представление о современных проблемах анализа и обработки данных, помочь овладеть опытом анализа и обработки данных с применением моделей Data Mining.
Для эффективного изучения теоретической части дисциплины необходимо:
- построить работу по освоению дисциплины в порядке, отвечающим изучению основных этапов, согласно приведенным темам лекционного материала;
- усвоить содержание ключевых понятий;
- работать с основной и дополнительной литературой по соответствующим темам.
Для эффективного изучения практической части дисциплины настоятельно рекомендуется
- систематически осуществлять подготовку к практическим занятиям по предложенным преподавателем темам;
- своевременно выполнять практические задания (выполнение заданий является основой практических занятий).