Delivered at:: Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)

Course type:: Compulsory course

When:: 3 year, 1, 2 module

Instructor

Мухин Олег Игоревич

Полная версия программы учебной дисциплины

Аннотация

Целями освоения дисциплины является формирование у студентов комплекса теоретических знаний и методологических основ в области проведения анализа данных с использованием интеллектуальных систем обработки информации, а также практических навыков, необходимых для внедрения и практического использования таких систем. Задачи дисциплины: 1. Получить представление о современных подходах и процедурах, выполняемых с использованием интеллектуальных системах. 2. Познакомиться с основными методами интеллектуального анализа данных. 3. Изучить основные технологии построения алгоритмов анализа данных с использованием информационных систем на основе технологий прикладного искусственного интеллекта. 4. Выработать навыки использования современных информационных технологий и программных средств, реализующих алгоритмы интеллектуального анализа данных. Для изучения дисциплины студент должен: 1. знать основные понятия математического анализа, теории вероятностей и математической статистики, теоретических основ информатики, программирования; 2. владеть основным содержанием дисциплин микроэкономика, менеджмент, архитектура предприятия, теоретические основы информатики; 3. уметь использовать математические и инструментальные программные средства для решения задач анализа информации, создания электронных таблиц, отчётов и презентаций.

Цель освоения дисциплины

Знать: место и роль интеллектуальных систем обработки данных в архитектуре предприятия; основные модели и технологии, основанные на обработке знаний в системах прикладного искусственного интеллекта, области и границы их применения
Уметь: делать обоснованный выбор технологии искусственного интеллекта, наиболее подходящей для решения прикладной задачи; формулировать требования к характеристикам интеллектуальной системе; интерпретировать и синтезировать комплексные модели, построенные на основе технологий прикладного искусственного интеллекта
Владеть: основными классами современных и перспективных интеллектуальных систем, входящих в ИТ-инфраструктуру предприятия.

Планируемые результаты обучения

Владеть методами анализа качества построенных деревьев решений
Владеть методами обнаружения ошибок в визуальных представлениях
Владеть методами обучения нейронных сетей на основе обратного распространения ошибки
Владеть методом К-средних для проведения кластерного анализа
Владеть основными операциями нечёткой арифметики
Знать основные алгоритмы построения деревьев решений
Знать основные визуальные средства представления данных
Знать основные задачи и алгоритмы кластерного анализа
Знать основные задачи разведочного анализа данных
Знать основные исторические и современные подходы анализа данных
Знать основные методы, на основе которых проводится анализ данных
Знать основные модели нечёткой логики
Знать основные модели описания и представления данных
Знать основные этапы алгоритма К-средних
Знать структуру искусственных нейронных сетей
Уметь выбирать шкалу представления данных
Уметь использовать методы формальной логики для представления предметной области
Уметь проводить анализ нейронной сети по её структурному графу
Уметь проводить кластеризацию объектов, описываемых числовыми признаками
Уметь синтезировать представления предметной области на основе моделей нечёткой логики
Уметь строить дерево решения с использованием алгоритма ID3
Уметь формировать визуальные представления временных рядов
Уметь формировать визуальные представления статических данных
Уметь формировать визуальные представления финансовых данных
Уметь формировать граф нейронной сети
Уметь формулировать задачу разведочного анализа
Владеть программными средствами (минимум одним) разведочного анализа данных
Знать основные программные средства разведочного анализа
Уметь проводить сравнение функциональных возможностей программных средств разведочного анализа данных

Содержание учебной дисциплины

Основные понятия, назначение и место интеллектуальных систем в ИТ-инфраструктуре предприятия
Основные задачи, модели и методы разведочного анализа
Программные средства разведочного анализа
Использование нечётких множеств и отношений для представления знаний в интеллектуальных системах
Визуальный анализ данных
Деревья классификации и регрессии
Основы кластерного анализа
Интеллектуальные методы на основе искусственных нейронных сетей

Элементы контроля

Лабораторная работа 1
Лабораторная работа 2
Лабораторная работа 3
Лабораторная работа 4
Самостоятельная работа
Экзамен
Лабораторная работа 1
Лабораторная работа 2
Лабораторная работа 3
Лабораторная работа 4
Самостоятельная работа
Экзамен

Промежуточная аттестация

2022/2023 учебный год 2 модуль
0.2 * Самостоятельная работа + 0.4 * Экзамен + 0.1 * Лабораторная работа 2 + 0.1 * Лабораторная работа 3 + 0.1 * Лабораторная работа 1 + 0.1 * Лабораторная работа 4

Bachelor’s Programme 'Business Informatics'

Intelligent Information Systems

Instructor

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература