Інструментальні засоби аналізу даних (са)
Тип: Нормативний
Кафедра: теорії оптимальних процесів
Навчальний план
| Семестр | Кредити | Звітність |
| 7 | 4 | Іспит |
Лекції
| Семестр | К-сть годин | Лектор | Група(и) |
| 7 | 16 | професор Недашковський М. О. | ПМа-41, ПМа-42, ПМа-43 |
Лабораторні
| Семестр | К-сть годин | Група | Викладач(і) |
| 7 | 32 | ПМа-41 | професор Недашковський М. О., доцент Мельничин А. В. |
| ПМа-42 | ст. наук. співробітник Демидюк М. В., доцент Мельничин А. В. | ||
| ПМа-43 | професор 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
- Ситник В. Ф.І, Краснюк М. T. Інтелектуальний аналіз даних (дейта майнінг): Навч. посіб. — К.: КНЕУ, 2007. — 376 с.
- 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.
- Gareth James. An Introduction to Statistical Learning with Application in R// Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani. Springer, 2017.
- Matthew Mayo Top Python Libraries for Data Science, Data Visualization & Machine Learning//Matthew Mayo. KDnuggets, 2020.
- Afshine Amidi. Super Study Guide: Data Science Tools// Afshine Amidi, Shervine Amidi . Software Tools/ Massachusetts Institute of Technology. 2020.
- Ian H.Witten. Data Mining. Practical Machine Learning Tools and Techniques // Ian H.Witten, Eibe Frank. Elsevir, 2005.
- Jiawei Han. Data Mining: Concepts and Tecniques.// Jiawei Han, Micheline Kamber. Morgan Kaufmann Publishers, 2011.
- https://www.kdnuggets.com/
- https://www.kaggle.com/datasets
- https://colab.research.google.com/notebooks/intro.ipynb