Размер шрифта
Цветовая схема
Изображения
Обычная версия сайта

Предиктивная аналитика

УМКД дисциплины

Рабочая программа и аннотация (2021 г.) - PA_PI_2021.pdf - для просмотра файла необходимо авторизоваться

Методические рекомендации - MR_PA_PI_2021.pdf

Аннотация

Аннотация рабочей программы дисциплины "Предиктивная аналитика" 1. Цели и задачи изучения дисциплины Основной целью курса является формирование у обучающихся знаний по применению методов предиктивной аналитики для прогнозирования будущего поведения объектов и субъектов. Задачи курса:  уметь "добывать" данные в цифровой форме из различных источников; делать их предобработку, очистку, работу с пропущенными данными при помощи вычислительных алгоритмов с использованием различных инструментальных средств;  знать методы предиктивной аналитики: основные регрессионные и классификационные модели, их практическое применение;  уметь самостоятельно применять основные алгоритмы предиктивного моделирования в решении практических задач. 2. Краткая характеристика учебной дисциплины Предметом предиктивной аналитики является класс методов анализа данных, при помощи которых можно прогнозировать будущее состояние объектов и субъектов для принятий оптимальных решений. Предсказательная аналитика использует методы интеллектуального анализа данных, теории игр, математико-статистические методы для анализа исторических и текущих данных для предсказания будущих событий. Содержание дисциплины состоит из основных разделов: Предиктивная аналитика: сущность, значение, терминология и основные понятия; Регрессионные модели: линейная регрессия; Нелинейные регрессионные модели; Древовидные модели. Модели на базе правил; Классификационные модели: дискриминантный анализ и другие линейные модели; Нелинейные классификационные модели; Деревья классификации; Интерпретация предиктивных моделей. Инструментальные средства. 3. Место дисциплины в структуре образовательной программы Дисциплина входит в формируемую часть "Блок 1" образовательной программы бакалавриата, реализуется на 4-м году обучения с трудоемкостью освоения - 3.0 Зет. 4. Взаимосвязь дисциплины с предшествующими и последующими дисциплинами учебного плана подготовки Для успешного освоения знаний по дисциплине «Предиктивная аналитика», обучающийся должен иметь представление о методах предиктивной аналитики: регрессии и классификации, также для их применения знать инструментальные средства обработки данных. Базой для освоения курса являются «Теория статистики», «Теория вероятностей и математическая статистика», «Базы данных», «Методы машинного обучения», «Анализ данных». Знания данного курса необходимы для выполнения ВКР. 5. Ожидаемые результаты освоения дисциплины В результате освоения дисциплины, у обучающихся должны быть сформированы следующие компетенции: ПК 5 - Способность моделировать прикладные (бизнес) процессы и предметную область.