247

Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования

«Нижегородский государственный архитектурно-строительный университет»

К.А. Сафонов

ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ

Учебно-методическое пособие

по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»

по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля

Нижний Новгород ННГАСУ

2016

1

УДК 681.3 (075)

Сафонов К.А. / Интеллектуальный анализ данных [Электронный ресурс]: учеб. – метод. пос./ К.А. Сафонов; Нижегор. гос. архитектур. – строит. ун-т – Н. Новгород: ННГАСУ, 2016. -9 с. 1 электрон. опт. диск (CD-R)

Даются тематика лекций, их краткое содержание, а также методические рекомендации по самостоятельной работе обучающихся по дисциплине «Интеллектуальный анализ данных». Указывается необходимая литература и источники, разъясняется последовательность их изучения, выделяются наиболее сложные вопросы и даются рекомендации по их изучению.

Предназначено для обучающихся в ННГАСУ по дисциплине «Интеллектуальный анализ данных» по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля.

© К.А. Сафонов © ННГАСУ. 2016.

2

Учебно-методическое пособие по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) по дисциплине «Интеллектуальный анализ данных» предназначены для студентов четвертого курса, обучающихся по направлению 09.03.02 Информационные системы и технологии, и содержат программу для проведения лекционных занятий, а также методические рекомендации по самостоятельной работе.

Цель учебно-методического пособия: помочь студентам при изучении учебной программы с использованием лекционных материалов и рекомендуемой учебно-методической литературы при формировании необходимых компетенций дисциплины «Интеллектуальный анализ данных».

Целями освоения дисциплины «Интеллектуальный анализ данных» являются: ознакомление студентов с технологиями обработки данных в реальном времени (OLAP), интеллектуального анализа данных (Data Mining); приобретение навыков работы с программными продуктами, реализующими эти технологии; предоставление сведений об особенностях реализации систем интеллектуального анализа в современных СУБД.

В лекциях излагается общая характеристика вопросов тем, даются практические примеры применения стандартов, осуществляется групповая работа студентов и преподавателя. Главной целью лекций является привитие студентам интереса к изучаемому материалу, формирование мотивации к последующему самостоятельному анализу рассматриваемой проблематики. На лекциях студентам раскрываются наиболее сложные вопросы и теоретические положения, показывается их практическая значимость, даются рекомендации по углубленному самостоятельному изучению теории и практики.

На лекциях по дисциплине «Интеллектуальный анализ данных» широко используются активные формы проведения занятий. Такие формы организации образовательного процесса, способствуют разнообразному (индивидуальному, групповому, коллективному) изучению учебных вопросов (проблем), активному взаимодействию студентов и преподавателя, живому обмену мнениями между ними, нацеленному на выработку правильного понимания содержания изучаемой темы и способов ее практического использования.

Материал пропущенных лекций студент восстанавливает самостоятельно и по всем непонятным положениям и вопросам обращается за разъяснением к преподавателю.

Самостоятельная работа направлена на развитие компетенций дисциплины:

−ПК-4 − способность проводить выбор исходных данных для проектирования;

−ПК-4 − способность проводить моделирование процессов и систем;

−ПК-17 − способность использовать технологии разработки объектов профессиональной деятельности в областях: машиностроение, приборостроение, техника, образование, медицина, административное управление, юриспруденция, бизнес, предпринимательство, коммерция, менеджмент, банковские системы, безопасность информационных систем, управление технологическими процессами, механика, техническая физика,

3

энергетика, ядерная энергетика, силовая электроника, металлургия, строительство, транспорт, железнодорожный транспорт, связь, телекоммуникации, управление инфокоммуникациями, почтовая связь, химическая промышленность, сельское хозяйство, текстильная и легкая промышленность, пищевая промышленность, медицинские и биотехнологии, горное дело, обеспечение безопасности подземных предприятий и производств, геология, нефтегазовая отрасль, геодезия и картография, геоинформационные системы, лесной комплекс, химиколесной комплекс, экология, сфера сервиса, системы массовой информации, дизайн, медиаиндустрия, а также предприятия различного профиля и все виды деятельности в условиях экономики информационного общества.

Виды и формы самостоятельной работы студентов по дисциплине:

−систематическая проработка лекций, основной и дополнительной литературы;

−подготовка к зачету.

Содержание разделов дисциплины «Интеллектуальный анализ данных» представлено в таблице 1.

Таблица 1 Содержание разделов дисциплины

Рекомендуется проработать конспект лекций, затем повторить теоретический материал, пользуясь рекомендованной основной и дополнительной литературой. Если после этого остаются вопросы, рекомендуется выписать их и обратиться к преподавателю на консультациях или через электронную информационно-образовательную среду ННГАСУ (i.nngasu.ru).

4

Перед зачетом студентам выдаётся список примерных вопросов, по которым можно понять, на что нужно сделать упор при подготовке к аттестации.

Студент допускается к зачету, если он сдал все лабораторные работы. При подготовке к зачету после получения перечня вопросов рекомендуется:

1)внимательно прочитать материал лекций;

2)постараться разобраться с непонятными, в частности, новыми терминами, используя рекомендованную литературу;

3)просмотреть все лабораторные работы;

4)выписать вопросы для подробного обсуждения с преподавателем на консультации.

Перечень примерных вопросов, выносимых на зачет.

−Основные понятия анализа данных

−Основные задачи интеллектуального анализа данных

−Этапы проведения интеллектуального анализа данных

−Модели интеллектуального анализа данных

−Структуры интеллектуального анализа данных

−Что такое Data Mining. История возникновения.

−Применение интеллектуального анализа данных в различных сферах деятельности

−Архитектурные особенности реализации подсистем интеллектуального анализа в современных СУБД

−Реализация этапов интеллектуального анализа с помощью программных продуктов компании Microsoft

−Выбор алгоритма интеллектуального анализа для использования в конкретной аналитической задаче

−Типы алгоритмов интеллектуального анализа

−Алгоритм интеллектуального анализа данных: Упрощенный алгоритм Байеса

−Алгоритм интеллектуального анализа данных: Деревья решений

−Алгоритм интеллектуального анализа данных: Линейная регрессия

−Алгоритм интеллектуального анализа данных: Метод временных рядов

−Алгоритм интеллектуального анализа данных: Кластерный анализ

−Алгоритм интеллектуального анализа данных: Кластеризация последовательностей

−Алгоритм интеллектуального анализа данных: Алгоритмы взаимосвязей

−Алгоритм интеллектуального анализа данных: Нейросетевые алгоритмы

−Алгоритм интеллектуального анализа данных: Логистическая регрессия

−Примеры реализации подсистем интеллектуального анализа в современных СУБД

−Концепции языка DMX, структуры и модели интеллектуального анализа.

Показатели оценки по зачету представлены в таблице 2.

5

6

Перечень основной и дополнительной учебной литературы, необходимой для освоения дисциплины.

Основная литература:

1.Нестеров, С. А. Интеллектуальный анализ данных средствами MS SQL Server 2008: учебное пособие. [Электронное издание]. – М: ИнтернетУниверситет Информационных Технологий (ИНТУИТ), 2012.

2.Федин, Ф.О., Федин, Ф.Ф. Анализ данных. Часть 1. Подготовка данных к анализу: Учебное пособие. – М: Московский городской педагогический университет, 2012.

3.Федин, Ф.О., Федин, Ф.Ф. Анализ данных. Часть 2. Инструменты Data Mining: Учебное пособие. – М: Московский городской педагогический университет, 2012.

Дополнительная литература:

1.Белов, В. С. Информационно-аналитические системы. Основы проектирования и применения: учебное пособие. – М: Евразийский открытый институт, 2010. –112 c.

2.Алексеева, Т.В., Амириди Ю.В., Дик, В.В., Лужецкий, М.Г. Информационные аналитические системы: учебник. – М: Московский финансово-промышленный университет «Синергия», 2013. –384 с.

3.Тюрин, Ю.Н, Макаров, А.А. Анализ данных на компьютере: учеб. пособие по направлениям "Математика", "Математика. Приклад. математика". -М.:

ИД "ФОРУМ", 2013. –366 с.

Перечень ресурсов информационно – телекоммуникационной сети «интернет» (далее - сеть «интернет»), необходимых для освоения дисциплины:

1.www.intuit.ru - Интернет-Университет Информационных Технологий

2.machinelearning.ru - профессиональный информационно-аналитический ресурс, посвященный

3.машинному обучению, распознаванию образов и интеллектуальному анализу данных.

7

4.www.techdays.ru - видео-портал Microsoft по современным технологиям и разработке

5.http://www.rsl.ru/ Российская государственная библиотека.

6.http://www.gpntb.ru/ Государственная публичная научно-техническая библиотека России.

7.http://elibrary.ru/ Научная электронная библиотека.

8.http://www.edu.ru Федеральный портал «Российское образование»

9.http://window.edu.ru. Единое окно доступа к образовательным ресурсам

8

Сафонов Константин Анатольевич

Учебно-методическое пособие

по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»

по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля

Федеральное государственное бюджетное образовательное учреждение высшего образования «Нижегородский государственный архитектурно-строительный университет»

603950, Нижний Новгород, ул. Ильинская, 65. http://www.nngasu.ru, srec@nngasu.ru

9