4786
.pdfМИНОБРНАУКИ РОССИИ Федеральное государственное бюджетное образовательное учреждение высшего образования
«Нижегородский государственный архитектурно-строительный университет»
Д. И. Кислицын
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Учебно-методическое пособие
по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии
Нижний Новгород
2022
МИНОБРНАУКИ РОССИИ Федеральное государственное бюджетное образовательное учреждение высшего образования
«Нижегородский государственный архитектурно-строительный университет»
Д. И. Кислицын
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Учебно-методическое пособие
по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии
Нижний Новгород ННГАСУ
2022
1
УДК 681.3 (075)
Кислицын Д. И. Интеллектуальный анализ данных: учебно-методическое пособие / Д. И. Кислицын; Нижегородский государственный архитектурностроительный университет. – Нижний Новгород: ННГАСУ, 2022. – 7 с. - Текст: электронный.
Даются тематика лекционных занятий, а также методические рекомендации по самостоятельной работе обучающихся по дисциплине «Интеллектуальный анализ данных». Указывается необходимая литература и источники, разъясняется последовательностьихизучения,выделяются наиболеесложные вопросы идаются рекомендации по их изучению.
Предназначено для обучающихся в ННГАСУ по дисциплине «Интеллектуальный анализ данных» по направлению подготовки 09.03.02 Информационные системы и технологии.
Д. И. Кислицын, 2022ННГАСУ, 2022.
2
Учебно-методическое пособие по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) по дисциплине «Интеллектуальный анализ данных» предназначены для студентов, 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 рекомендуемой учебно-методической литературы при формировании необходимых компетенций дисциплины «Интеллектуальный анализ данных».
Целямиосвоениядисциплины «Интеллектуальныйанализданных»являются изучение статистических, вероятностных и нелинейных математических моделей для анализа данных, применение подходов машинного обучения для неформализованых задач..
Главной целью лекционных занятий является привитие студентам интереса к изучаемому материалу, формирование мотивации к последующему самостоятельному анализу рассматриваемой проблематики. Студентам раскрываются наиболее сложные вопросы и теоретические положения, показывается их практическая значимость, даются рекомендации по углубленному самостоятельному изучению теории и практики.
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: ОПК-2. Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решении задач профессиональной
деятельности; ОПК-8. Способен применять математические модели, методы и средства
проектирования информационных и автоматизированных систем.
Виды и формы самостоятельной работы студентов по дисциплине: подготовка к учебным занятиям; подготовка к промежуточной аттестации
Содержание разделов дисциплины «Интеллектуальный анализ данных» представлено в таблице 1.
3
Таблица 1 Содержание разделов дисциплины
/п |
Наименование раздела учебной |
|
п |
||
дисциплины |
||
№ |
||
|
Этапы проведения
1интеллектуального анализа данных. Предобработка данных. Статистический анализ.
Байесовский анализ
OLAP. Концепции языка DMX, структуры и модели. Нейросетевые алгоритмы
ИТОГО
|
Аудиторные |
работа |
|
|||
|
занятия (в |
|
||||
|
|
|
||||
|
|
часах) |
|
|
Перечень |
|
|
Лекции |
Лабораторные |
Практические, семинарские |
Самостоятельная |
||
Всего |
компетенций, |
|||||
|
|
|
|
|||
|
|
|
|
формируемых в |
||
часов |
|
|
|
|
||
|
|
|
|
процессе освоения |
||
|
|
|
|
|
||
|
|
|
|
|
раздела |
|
9 |
3 |
2 |
|
4 |
ОПК-2, ОПК-8 |
|
|
|
|||||
19 |
4 |
6 |
|
9 |
ОПК-2, ОПК-8 |
|
17 |
4 |
4 |
|
9 |
ОПК-2, ОПК-8 |
|
5 |
1 |
0 |
|
4 |
ОПК-2, ОПК-8 |
|
22 |
5 |
5 |
|
12 |
ОПК-2, ОПК-8 |
|
72 |
17 |
17 |
|
38 |
|
На консультациях в течение семестра студенты могут обсуждать с преподавателем различные вопросы тематике дисциплины.
В течение курса со студентами проводятся индивидуальные и групповые консультации по общетеоретическим вопросам, возникающим при самостоятельной работе студентов при подготовке к занятиям.
Перед экзаменом студентам выдаётся список примерных вопросов, по которым можно понять, на что нужно сделать упор при подготовке к экзамену. После получения перечня вопросов рекомендуется:
1)внимательно прочитать материал курса;
2)постараться разобраться с непонятными, в частности, новыми терминами, используя рекомендованную литературу;
3)выписать вопросы для подробного обсуждения с преподавателем на консультации.
Перечень примерных вопросов, выносимых на экзамен:
1.Какие этапы включает в себя анализ данных?
2.Что входит в ETL?
3.Методы очистки (cleaning) данных.
4.Подходы к нормализации данных.
5.Динамические и статистические характеристики полей данных.
6.Способы разделения и группировки данных.
7.Критерии взаимосвязности. Ковариация.
4
8.Критерии взаимосвязности. Корреляция.
9.Байесовский анализ данных.
10.Постановка задачи обучения по прецедентам.
11.Признаковое описание объекта, виды признаков.
12.Линейная регрессия.
13.Полиномиальная регрессия.
14.Эвристики машинного обучения: виды и краткое описание.
15.Вероятностная постановка задачи обучения.
16.Двойственная задача.
17.Внутренние и внешние критерии в машинном обучении.
18.Векторные представления текстов и графов.
19.Топологии нейронных сетей.
20.Метод обратного распространения ошибки.
21.Особенность постановки задачи обучения без учителя.
Показатели оценки по зачёту представлены в таблице 2.
Таблица 2 Описание шкал оценивания
Показатели оценивания Баллы Оценка Критерий оценки компетенций
Результаты освоения 4,5 - 5,0 «отлично» |
ставится |
|
|
обучающемуся, |
|||
дисциплины |
|
показавшему |
|
|
|
глубокие |
|
соответствует |
|
систематизированные |
|
знания |
|||
требованиям ФГОС |
учебного материала, |
владеющему |
|||||
|
|
творческим |
анализом |
фактов, |
|||
|
|
умеющемуобобщатьинформацию, |
|||||
|
|
аргументировано |
и |
практически |
|||
|
|
без ошибок ответившему на все |
|||||
|
|
вопросы. |
|
|
|
|
|
Результаты освоения 3,5 - 4,4 «хорошо» |
ставится |
|
|
обучающемуся, |
|||
дисциплины |
|
продемонстрировавшему |
|
||||
соответствует |
|
достаточно |
полное |
знание |
|||
требованиям ФГОС |
учебного |
|
|
|
материала, |
||
|
|
допустившему негрубые ошибки и |
|||||
|
|
недочеты. |
|
|
|
|
|
Результаты освоения 2,5 - 3,4 «удовлетворительно» |
ставится |
|
|
обучающемуся, |
|||
дисциплины |
|
показавшему |
|
|
минимально |
||
соответствует |
|
необходимый |
уровень |
знаний |
|||
требованиям ФГОС |
учебного |
материала, |
владеющего |
||||
|
|
навыками логического мышления |
|||||
|
|
и |
|
|
допустившего |
||
|
|
непринципиальные |
ошибки при |
||||
|
|
ответе на вопросы. |
|
|
|
||
Результаты освоения 0,0 - 2,4 «неудовлетворительно» |
ставится |
|
|
обучающемуся, |
|||
дисциплины |
НЕ |
продемонстрировавшему |
|
||||
соответствует |
|
существенные |
пробелы |
в знании |
|||
требованиям ФГОС |
основного |
учебного |
материала, |
||||
|
|
допустившему |
принципиальные |
||||
|
|
ошибки при изложении материала. |
|||||
|
5 |
|
|
|
|
|
|
Перечень учебной литературы, необходимой для освоения дисциплины.
1.Катальников В.В.. Теория вероятностей и математическая статистика : учебное пособие. / Катальников В.В., Шапарь Ю.В. ; Ю.В. Шапарь; В.В. Катальников. – Екатеринбург : Уральский федеральный университет, 2014. – 72 c. – URL: URL: http://www.iprbookshop.ru/68489.html. – ISBN ISBN 978-5-7996-1158-3.
2.Маккинли Уэс. Python и анализ данных / Маккинли Уэс, Слинкина А. ; Уэс Маккинли; пер. А. Слинкина. – Саратов : Профобразование, 2019. – 482 с. – URL: URL: http://www.iprbookshop.ru/88752.html. – ISBN ISBN 978-5-4488-0046-7.
3.Сопов, Е. А.. Многокритериальные нейроэволюционные системы в задачах машинного обучения и человеко-машинного взаимодействия : монография. / Сопов, Е. А., Иванов, И. А. ; Е. А. Сопов, И. А. Иванов. – Красноярск : Сибирский федеральный университет, 2019. – 160 с. – URL: URL: http://www.iprbookshop.ru/100054.html. – ISBN ISBN 978-5-7638-3969-2.
6
Кислицын Дмитрий Игоревич
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Учебно-методическое пособие
по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии
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
7