Ви переглядаєте архівну версію офіційного сайту НУЛП (2005-2020р.р.). Актуальна версія: https://lpnu.ua
Інтелектуальний аналіз даних
Спеціальність: Філологія (прикладна лінгвістика)
Код дисципліни: 6.035.10.O.62
Кількість кредитів: 4
Кафедра: Інформаційні системи та мережі
Лектор: к.е.н., доцент Бойко Наталія Іванівна
Семестр: 5 семестр
Форма навчання: денна
Результати навчання:
• застосування конструктивних методів інтелектуального аналізу даних і методів оптимізації та дослідження операцій при побудові та реалізації формальних математичних моделей та задач.
• використання ефективних алгоритмів до вирішення завдань та застосування основних понять та задач, які розв’язуються з використанням методів дайтамайнінгу.
• використання ефективних алгоритмів до вирішення завдань та застосування основних понять та задач, які розв’язуються з використанням методів дайтамайнінгу.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
• Методи обчислень;
• Організація баз даних та знань;
• Об’єктно-орієнтоване програмування;
• Системи управління баз даних та знань.
• Організація баз даних та знань;
• Об’єктно-орієнтоване програмування;
• Системи управління баз даних та знань.
Короткий зміст навчальної програми:
Основи інтелектуального аналізу даних. Методи багатомірного розвідувального аналізу. Методи класифікації та прогнозування. OLAP. Data Mining. Асоціаційні правила. Системи. Визначення. Класифікація. Інтелектуальні інформаційні системи. Штучні нейронні мережі. Генетичні алгоритми. Нечітка логіка. Дерева рішень. Асоціативні правила. Пошукові системи.
Рекомендована література:
1. Акіменко В. В. Проектування СППР на основі нечіткої логіки. Навчально - методичний посібник / В. В. Акіменко, Ю. В. Загородній. – К.: Вид - во КНУ, 2007. – 94c.
2. 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.
3. Брагинський О. Л. Проектування систем штучного інтелекту / О. Брагинський. – К., МНТУ, 2002. – 205 с.
4. 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.
5. Дюк В. Data Mining: учебный курс (+CD) / В. Дюк, А. Самойленко. — СПб : Изд. Питер 2001. — 368 с.
6. Любунь З. М. Основи теорії нейромереж : Текст лекцій / З. М. Любунь. – Львів : Видавничий центр ЛНУ імені Івана Франка, 2007.-142 с.
7. Нікольський Ю. Дерева прийняття рішень та їхнє застосування для прогнозування діагнозу у медицині // Вісник Львівського університету. Серія прикладна математика та інформатика Випуск 6/ Ю. Нікольський, Ю. Щербина, Р. Якимечко - 2003.- С. 191-211.
8. Хайкин С. Нейронные сети : полный курс, 2- е издание. / С. Хайкин - М. : Издательский дом « Вильямс », 2006.-1104 с.
2. 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.
3. Брагинський О. Л. Проектування систем штучного інтелекту / О. Брагинський. – К., МНТУ, 2002. – 205 с.
4. 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.
5. Дюк В. Data Mining: учебный курс (+CD) / В. Дюк, А. Самойленко. — СПб : Изд. Питер 2001. — 368 с.
6. Любунь З. М. Основи теорії нейромереж : Текст лекцій / З. М. Любунь. – Львів : Видавничий центр ЛНУ імені Івана Франка, 2007.-142 с.
7. Нікольський Ю. Дерева прийняття рішень та їхнє застосування для прогнозування діагнозу у медицині // Вісник Львівського університету. Серія прикладна математика та інформатика Випуск 6/ Ю. Нікольський, Ю. Щербина, Р. Якимечко - 2003.- С. 191-211.
8. Хайкин С. Нейронные сети : полный курс, 2- е издание. / С. Хайкин - М. : Издательский дом « Вильямс », 2006.-1104 с.
Методи і критерії оцінювання:
• Поточний контроль (40%): письмові звіти з лабораторних робіт, реферат, усне опитування
• Підсумковий контроль (60%, залік): письмово-усна форма.
• Підсумковий контроль (60%, залік): письмово-усна форма.