• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Mathematical Methods for Data Analysis

2022/2023
Academic Year
RUS
Instruction in Russian
5
ECTS credits
Delivered at:
Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)
Course type:
Compulsory course
When:
2 year, 3, 4 module

Instructors

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Математические методы анализа данных», учебных ассистентов и студентов направления подготовки 09.03.04 Программная инженерия, обучающихся по образовательной программе «Программная инженерия».
Цель освоения дисциплины

Цель освоения дисциплины

  • Приобретение студентами базовых знаний по основам анализа данных;
  • Знакомство с прикладными задачами дисциплины;
  • Анализ алгоритмов обработки статистических и эмпирических данных, используемых в современном программном обеспечении;
  • Получения практических навыков использования статистических и эмпирических методов анализа данных в ходе разработки и экспериментального исследования новых программных продуктов;
  • Развитие умений, позволяющих использовать опыт применения статистических и эмпирических методов обработки данных для решения задач экономического анализа и моделирования.
Планируемые результаты обучения

Планируемые результаты обучения

  • Решает задачи классификации и кластеризации пространства наблюдений
  • Решает задачи корреляционного анализа и проверки статистических гипотез на наличие взаимосвязи между признаками. Может оценить взаимосвязь между несколькими переменными. Знает параметрические и непараметрические методы оценки
  • Решает задачи на проверку данных на выбросы, нормальное распределение.
  • Решает задачи на проверку статических гипотез на реальных данных.
  • Решает задачи построения и проверки на качество регрессионных моделей и моделей временных рядов
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Введение.
  • Раздел 2. Временные ряды.
  • Раздел 3. Классификация и кластеризация
  • Раздел 4. Разработка информационных систем на основе данных.
Элементы контроля

Элементы контроля

  • неблокирующий Текущее тестирование после каждого занятия
  • неблокирующий Выполнение заданий на семинарах
  • неблокирующий Выполнение заданий на практиках
  • неблокирующий Экзамен
  • неблокирующий Использование материала курса в исследовательской работе
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 4 модуль
    0.25 * Экзамен + 0.1 * Использование материала курса в исследовательской работе + 0.2 * Текущее тестирование после каждого занятия + 0.2 * Выполнение заданий на семинарах + 0.25 * Выполнение заданий на практиках
Список литературы

Список литературы

Рекомендуемая основная литература

  • Барсегян А. Анализ данных и процессов. 3-е изд. / А. Барсегян, М. Куприянов, И. Холод, М. Тесс, С. Елизаров. - Санкт-Петербург : БХВ-Петербург, 2010. - 512 с. - ISBN 978-5-9775-0368-6. - URL: https://ibooks.ru/bookshelf/18456/reading (дата обращения: 12.10.2020). - Текст: электронный.

Рекомендуемая дополнительная литература

  • Миркин Б. Г. - ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ. Учебник и практикум - М.:Издательство Юрайт - 2020 - 174с. - ISBN: 978-5-9916-5009-0 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/vvedenie-v-analiz-dannyh-450262