Рабочая программа и аннотация
(2022 г.)
- РП_АБД_ИСиТ_2022.pdf - для просмотра файла необходимо авторизоваться
Методические рекомендации -
МУ_СдИДУП_2022.pdf
1. Цели и задачи изучения дисциплины Цель дисциплины – изучение математических методов и моделей, используемых в системах обработки и анализа больших данных для поддержки принятия решений, и развитие профессиональных навыков в этой области. Задачами курса является освоение средств использования больших данных для систем поддержки принятия решений и графического представления информации. 2. Краткая характеристика учебной дисциплины В теоретическом плане рассматриваются вопросы группировки данных, обнаружения значимых корреляций, зависимостей и тенденций на основе анализа имеющейся информации, определения отношений между данными различного типа, выявления систематизированных структур данных и вывода из них правила для принятия решений и прогнозирования их последствий (регрессионный, дисперсионный, кластерный, дискриминантный, факторный анализы). В практическом плане рассматриваются: модели распределенных файловых систем и вычисления на основе баз данных; поиск подобий в данных; анализ потоковых данных, связей, социально-сетевых графов и частых наборов данных; методы кластеризации и их приложения, способы применения нейронных сетей и их приложений, сетевые аналитические модели; модели снижения размерности данных; методы машинного обучения большими данными. 3. Место дисциплины в структуре образовательной программы Дисциплина (практика) входит в обязательную часть "Блок 1" образовательной программы бакалавриата, реализуется на 3-м году обучения с трудоемкостью освоения - 4.0 Зет. 4. Взаимосвязь дисциплины с предшествующими и последующими дисциплинами учебного плана подготовки В теоретическом плане рассматриваются вопросы группировки данных, обнаружения значимых корреляций, зависимостей и тенденций на основе анализа имеющейся информации, определения отношений между данными различного типа, выявления систематизированных структур данных и вывода из них правила для принятия решений и прогнозирования их последствий (регрессионный, дисперсионный, кластерный, дискриминантный, факторный анализы). В практическом плане рассматриваются: модели распределенных файловых систем и вычисления на основе баз данных; поиск подобий в данных; анализ потоковых данных, связей, социально-сетевых графов и частых наборов данных; методы кластеризации и их приложения, способы применения нейронных сетей и их приложений, сетевые аналитические модели; модели снижения размерности данных; методы машинного обучения большими данными. 5. Ожидаемые результаты освоения дисциплины В результате освоения дисциплины, у обучающихся должны быть сформированы следующие компетенции: ОПК 3 - Способен решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности. ИД-1 Знать: принципы, методы и средства решения стандартных задач профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности ИД-2 Уметь: решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности ИД-3 Иметь навыки: подготовки обзоров, аннотаций, составление рефератов, научных докладов, публикаций и библиографии по научно-исследовательской работе с учетом требований информационной безопасности