Видобування даних з використанням ШНМ (інформатика)

Тип: На вибір студента

Кафедра: дискретного аналізу та інтелектуальних систем

Навчальний план

СеместрКредитиЗвітність
81.5Залік

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
828ПМі-43Коковська Я. В.

Практичні

СеместрК-сть годинГрупаВикладач(і)
814ПМі-43Коковська Я. В.

Опис курсу

Мета. Вивчення концепції видобування даних та алгоритмів кластерного аналізу.

Короткий опис. В курсі розглянуто процедуру кластерного аналізу даних і алгоритми роздільної та ієрархічної кластеризації. Розкрито поняття кластеризації, вибірки даних, спостереження, кластера, центроїди, дендрограми. Розглянуто типи властивостей та міри близькості. Подано концепцію ієрархічної та роздільної кластеризації. Розглянуто алгоритми UPGMA та K-means. Розкрито принципи застосування мір якості кластеризації.

Завдання. Оволодіти концепцією кластерного аналізу даних. Освоїти поняття видобування даних, кластера, центроїди, дендрограми, вибірки даних, спостереження. Ознайомитися з типами властивостей та мірами близькості. Оволодіти принципами ієрархічної та роздільної кластеризації. Освоїти алгоритми K-means та UPGMA, міри якості кластеризації.

У результаті вивчення даного курсу  студент повинен

  • знати: процедуру кластерного аналізу; типи властивостей та міри близькості; концепцію ієрархічної та роздільної кластеризації; алгоритми K-means та UPGMA; міри якості кластеризації;
  • вміти: видобувати дані для алгоритму кластеризації; використовувати доцільні міри близькості; застосовувати алгоритми K-means та UPGMA; оцінювати якість кластеризації.