Інструментальні засоби аналізу даних (са)

Тип: Нормативний

Кафедра: теорії оптимальних процесів

Навчальний план

СеместрКредитиЗвітність
74Іспит

Лекції

СеместрК-сть годинЛекторГрупа(и)
716професор Недашковський М. О.ПМа-41, ПМа-42, ПМа-43

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
732ПМа-41професор Недашковський М. О., доцент Мельничин А. В.
ПМа-42ст. наук. співробітник Демидюк М. В., доцент Мельничин А. В.
ПМа-43професор Недашковський М. О., ст. наук. співробітник Демидюк М. В.

Опис курсу

Курс “Інструментальні засоби аналізу даних” розроблено таким чином, щоб сформувати базові уявлення, первинні знання, вміння та навички з аналізу даних як наукової та прикладної дисципліни. Виробити навички виявлення нових реальних неочевидних нетривіальних закономірностей і систематичних взаємозв’язків між змінними, які згодом можна буде застосувати до нових наборів даних. Також для освоєння студентами сучасних інструментальних засобів для аналізу даних.

Суть аналізу даних полягає в здобутті знання про об’єкт дослідження — виявлення корисної інформації, формулювання висновків, зважене прийняття рішень. Аналіз даних може мати багато аспектів та підходів, реалізовуватися за допомогою різних інструментів — в тому числі математичних, статистичних, за допомогою різноманітних способів візуалізації. Акцент в курсі зроблено на задачах класифікації, кластеризації, прогнозуванні та реалізації поставлених задач інструментальними засобами (R, Python, …).
Метою дисципліни “Інструментальні засоби аналізу даних” є формування базового уявлення, первинних знань, вмінь та навичок з аналізу даних як наукової та прикладної дисципліни. Виробити навички виявлення нових реальних неочевидних нетривіальних закономірностей і систематичних взаємозв’язків між змінними, які згодом можна буде застосувати до нових наборів даних.
Завданням курсу є :ознайомити студентів з сучасними технологіями аналізу даних та програмними засобами, орієнтованими на реалізацію цих
задач. Навчити студентів використовувати інструментальні засоби (R, Python, …) для аналізу даних.

Рекомендована література

  1. Ситник В. Ф.І, Краснюк М. T. Інтелектуальний аналіз даних (дейта майнінг): Навч. посіб. — К.: КНЕУ, 2007. — 376 с.
  2. Кудін О.В. Моделювання систем та аналіз даних: методичні рекомендації до лабораторних робіт для студентів освітнього ступеня «бакалавр» напряму підготовки «Програмна інженерія» / О.В. Кудін. – Запоріжжя: ЗНУ, 2017.– 89с.
  3. Gareth James. An Introduction to Statistical Learning with Application in R// Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani. Springer, 2017.
  4. Matthew Mayo Top Python Libraries for Data Science, Data Visualization & Machine Learning//Matthew Mayo. KDnuggets, 2020.
  5. Afshine Amidi. Super Study Guide: Data Science Tools// Afshine Amidi, Shervine Amidi . Software Tools/ Massachusetts Institute of Technology. 2020.
  6. Ian H.Witten. Data Mining. Practical Machine Learning Tools and Techniques // Ian H.Witten, Eibe Frank. Elsevir, 2005.
  7. Jiawei Han. Data Mining: Concepts and Tecniques.// Jiawei Han, Micheline Kamber. Morgan Kaufmann Publishers, 2011.
  8.  https://www.kdnuggets.com/
  9.  https://www.kaggle.com/datasets
  10. https://colab.research.google.com/notebooks/intro.ipynb

Силабус: 2020

Завантажити силабус

Силабус: 2025-26 навчальний рік

Завантажити силабус