Ви переглядаєте архівну версію офіційного сайту НУЛП (2005-2020р.р.). Актуальна версія: https://lpnu.ua
Методи та засоби інженерії даних та знань
Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.04.E.69
Кількість кредитів: 5
Кафедра: Системи штучного інтелекту
Лектор: Бойко Наталія Іванівна
Семестр: 1 семестр
Форма навчання: денна
Результати навчання:
1. Обґрунтовувати й аналізувати вибір конкретного типу моделі та методу інтелектуального аналізу даних при вирішенні практичних задач.
2. Використовувати сучасні програмні засоби для проектування та дослідження систем інтелектуального аналізу даних.
3. Створювати програми для інтелектуального аналізу даних при розв’язку конкретних практичних задач.
4. Аналізувати результати побудови та використання систем інтелектуального аналізу даних при вирішенні прикладних задач.
5. Використовувати програмне забезпечення для використання процедур інтелектуального аналізу при обробці та аналізу первинної інформації.
2. Використовувати сучасні програмні засоби для проектування та дослідження систем інтелектуального аналізу даних.
3. Створювати програми для інтелектуального аналізу даних при розв’язку конкретних практичних задач.
4. Аналізувати результати побудови та використання систем інтелектуального аналізу даних при вирішенні прикладних задач.
5. Використовувати програмне забезпечення для використання процедур інтелектуального аналізу при обробці та аналізу первинної інформації.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
пререквізити:
Методи обчислень
Організація баз даних та знань
Об’єктно-орієнтоване програмування
кореквізити:
Системи управління баз даних та знань
Технології комп’ютерного проектування
Технології створення програмних продуктів
Методи обчислень
Організація баз даних та знань
Об’єктно-орієнтоване програмування
кореквізити:
Системи управління баз даних та знань
Технології комп’ютерного проектування
Технології створення програмних продуктів
Короткий зміст навчальної програми:
Основні поняття інженерії даних та знань. Теоретичні аспекти інженерії даних та знань. Технології інженерії даних та знань. Прикладні аспекти інженерії даних та знань. Класифікація даних та знань. Онтології і онтологічні системи. Програмні засоби побудови онтологій. Дерева прийняття рішень
Рекомендована література:
1. Бойко Н. І. Інтелектуальний аналіз даних: Методична праця електронний навчально-методичний комплекс для студентів спеціальності 122 «Комп’ютерні науки та інформаційні технології» [Електронний ресурс]. – Режим доступу: http://vns.lp.edu.ua
2. Акіменко В. В. Проектування СППР на основі нечіткої логіки. Навчально - методичний посібник / В. В. Акіменко, Ю. В. Загородній. – К.: Вид - во КНУ, 2007. – 94c.
3. Барсегян А.А. Методы и модели анализа даннях : OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод - СПб.: БХВ- Петербург, 2004. - 336 с.
4. Брагинський О. Л. Проектування систем штучного інтелекту / О. Брагинський. – К., МНТУ, 2002. – 205 с.
5. Глибовец Н. Н. Генетические алгоритмы и их использование для решения задачи составления расписаний // Кибернетика и системный анализ / Н. Н. Глибовец, С. А. Медведь. 2003. – № 1. – С. 95–108.
2. Акіменко В. В. Проектування СППР на основі нечіткої логіки. Навчально - методичний посібник / В. В. Акіменко, Ю. В. Загородній. – К.: Вид - во КНУ, 2007. – 94c.
3. Барсегян А.А. Методы и модели анализа даннях : OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод - СПб.: БХВ- Петербург, 2004. - 336 с.
4. Брагинський О. Л. Проектування систем штучного інтелекту / О. Брагинський. – К., МНТУ, 2002. – 205 с.
5. Глибовец Н. Н. Генетические алгоритмы и их использование для решения задачи составления расписаний // Кибернетика и системный анализ / Н. Н. Глибовец, С. А. Медведь. 2003. – № 1. – С. 95–108.
Методи і критерії оцінювання:
- поточний контроль (40%): письмові звіти з лабораторних робіт, виконання практичних завдань, усне опитування;
- підсумковий контроль (60%, залік за результатами поточного контролю): тестування (50%), усна компонента (10%).
- підсумковий контроль (60%, залік за результатами поточного контролю): тестування (50%), усна компонента (10%).