(ДВ1 ММСЕП) Інтелектуальний аналіз даних
Тип: На вибір студента
Кафедра: математичного моделювання соціально-економічних процесів
Навчальний план
Семестр | Кредити | Звітність |
9 | 5 | Залік |
Лекції
Семестр | К-сть годин | Лектор | Група(и) |
9 | 32 | доцент Костенко С. Б. | ПМа-52м |
Лабораторні
Семестр | К-сть годин | Група | Викладач(і) |
9 | 16 | ПМа-52м | доцент Костенко С. Б. |
Опис курсу
Інтелектуальний аналіз даних – дисципліна, призначена для вивчення підходів, що дозволять здійснювати пошук прихованих закономірностей в великих масивах даних з використовуючи методів машинного навчання.
Метою дисципліни є поглиблення знань з машинного навчання та, завдяки цьому, розширення можливостей інтелектуального аналізу даних. Цілями дисципліни є збільшення інструментарію розв’язання задач класифікації, кластеризації, пошуку асоціативних правил, застосування ансамблей методів, використання відходів та метрик оцінки якості алгоритмів.
Після завершення цього курсу студент буде:
знати:
‒ метрики та методи оцінювання якості алгоритмів аналізу даних;
‒ особливості застосування методів класифікації, кластеризації об’єктів та пошуку асоціативних правил об’єктів;
‒ підходи до пониження розмірності даних та зменшення обсягів даних;
‒ засоби мови програмування Python для виконання інтелектуального аналізу даних.
вміти:
‒ обчислювати метрики якості алгоритмів аналізу даних та застосовувати методи оцінки якості алгоритмів аналізу даних;
‒ здійснювати препроцесінг даних та пониження розмірностей;
‒ будувати асоціативні правила;
‒ застосовувати методи класифікації, а також їх ансамблі;
‒ застосовувати методи кластеризації об’єктів та підбирати оптимальну кількість кластерів;
‒ застосовувати оператори пакету skipy мови програмування Python для виконання інтелектуального аналізу даних.
Рекомендована література
Басюк Т. М., Литвин В. В., Захарія Л. М., Кунанець Н.Е.. Машинне навчання: Навчальний посібник. Львів: Видавництво «Новий Світ – 2000», 2019. – 335 с.
- Кононова К. Ю. Машинне навчання: методи та моделі: підручник для бакалаврів, магістрів та докторів філософії спеціальності 051 «Економіка» / К. Ю. Кононова. – Харків: ХНУ імені В. Н. Каразіна, 2020. – 301 с.
- Провост Ф., Фоусетт Т. Data Science для бізнесу. Як збирати, аналізувати і використовувати дані / пер. з англ. Анастасія Дудченко. — 2-ге вид. — К. : Наш формат, 2020. — 400 с.
- Deisenroth M. P., Faisal A. A., Soon O. Ch. Mathematics for Machine Learning. – Published by Cambridge University Press, 2020. – 417
- https://scikit-learn.org/stable/