Студент повинен знати: основні поняття та визначення інтелектуального аналізу даних; основні методи побудови моделей для виявлення залежностей у великих масивах даних; алгоритми вирішення типових задач інтелектуального аналізу даних; критерії порівняння моделей i методів інтелектуального аналізу даних.
Студент повинен вміти: вирішувати задачі групування, класифікації та аналізу даних у підприємництві і торгівлі; працювати з сучасними програмними засобами для інтелектуального аналізу даних у підприємництві і торгівлі; обґрунтовувати й аналізувати вибір конкретного типу моделі та методу ІАД при вирішенні практичних задач підприємницької діяльності; обирати інструментальні засоби для вирішення задач аналізу даних у торгівлі; аналізувати результати використання систем інтелектуального аналізу даних при розв’язанні прикладних задач.

Методи емпіричного дослідження ринку, Методи і моделі оптимізації трансферних потоків (кореквізити).

Вступ до інтелектуального аналізу даних. Означення і особливості ІАД. Основні етапи ІАД. Типові завдання, що виконуються методами ІАД. Основні моделі інтелектуального аналізу даних. Регресійний аналіз. Наближення функції за методом найменших квадратів. Штучні нейронні мережі. Типові процедури опрацювання даних: попередня обробка даних, накопичення даних, нормалізація, стандартизація даних, фільтрація даних. Задача групування даних (кластеризації даних): алгоритм k-середніх для групування даних, міри якості групування, асоціативні правила. Задача класифікації даних: наївний Байєсівський класифікатор, метод найближчого сусіда, метод взірців, метод k найближчих сусідів. Дерева рішень: означення, моделі. Класифікаційні і регресійні дерева. Алгоритм CART. Алгоритм С4.5. Методи інтелектуального аналізу даних на основі нейронних мереж: модель нейрона, функція активації, структура штучної нейронної мережі, навчання мережі. Карти Кохонена (мережі, що самоорганізовуються) та їх використання. Огляд сучасних програмних засобів та систем для інтелектуального аналізу даних. Перспективи використання методів та засобів ІАД у підприємництві і торгівлі.

1. Барсегян А. А., Куприянов М. С., Холод И. И. и др. Анализ данных и процессов. – БХВ-Петербург, 2009. – 512 c.
2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. – М.: Финансы и статистика, 2004. – 424 с.
3. Дюк В., Самойленко А. Data mining: учебный курс.-СПб.: Питер, 2001.- 368 с.
4. Чубукова И. А. Data Mining/ Чубукова И. А. - М: Бином. Лаборатория знаний, 2008. – 384 с .

Поточний контроль (40%) – лабораторні заняття, усне опитування. Підсумковий контроль (60%) – іспит.