РОССИЙСКАЯ ФЕДЕРАЦИЯ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
Государственное образовательное учреждение
высшего профессионального образования
ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
«УТВЕРЖДАЮ»:
И. о. проректора-начальник
управления по научной работе
_______________________
__________ _____________ 2011 г.
ОРГАНИЗАЦИЯ НАБЛЮДЕНИЯ ОБЪЕКТА И
ОБРАБОТКА ДАНННЫХ.
ПОИСК ЗАКОНОМЕРНОСТЕЙ В МАССИВЕ ДАННЫХ
Учебно-методический комплекс. Рабочая программа
для аспирантов специальности 05.13.18 Математическое моделирование, численные методы и комплексы программ
очной и заочной форм обучения
«ПОДГОТОВЛЕНО К ИЗДАНИЮ»
Автор работы
«_03_»_06__2011г.
Рассмотрено на заседании кафедры ИС «_03_»_06_2011г., протокол № 12.
Соответствует требованиям к содержанию, структуре и оформлению.
«РЕКОМЕНДОВАНО К ЭЛЕКТРОННОМУ ИЗДАНИЮ»
Объем _10_стр.
Зав. кафедрой ________________________/./
«_03_»_06__ 2011 г.
Рассмотрено на заседании УМК Института математики, естественных наук и информационных технологий «_28_»_06_2011г., протокол № 4.
Соответствует ФГТ к структуре основной профессиональной образовательной программы послевузовского профессионального образования (аспирантура)
«СОГЛАСОВАНО»
Председатель УМК _____________________/./
«__»________2011г.
«СОГЛАСОВАНО»:
Начальник отдела аспирантуры
и докторантуры_____________
«__»___________2011г.
2011
РОССИЙСКАЯ ФЕДЕРАЦИЯ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
Государственное образовательное учреждение
высшего профессионального образования
ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Институт математики естественных наук и
информационных технологий
Кафедра информационных систем
Валерий Алексеевич Шапцев
ОРГАНИЗАЦИЯ НАБЛЮДЕНИЯ ОБЪЕКТА И
ОБРАБОТКА ДАНННЫХ.
ПОИСК ЗАКОНОМЕРНОСТЕЙ В МАССИВЕ ДАННЫХ
Учебно-методический комплекс. Рабочая программа
для аспирантов специальности 05.13.18 - математическое моделирование, численные методы и комплексы программ
очной и заочной форм обучения.
Тюменский государственный университет
2011
Шапцев наблюдения объекта и обработка данных. Поиск закономерностей в массиве данных. Учебно-методический комплекс. Рабочая программа для аспирантов специальности 05.13.18 - математическое моделирование, вычислительные методы и комплексы программ очной и заочной форм обучения. Тюмень, 2011. 10 стр.
Рабочая программа составлена в соответствии с ФГТ к структуре основной профессиональной образовательной программы послевузовского профессионального образования (аспирантура).
Рабочая программа дисциплины опубликована на сайте ТюмГУ: Организация наблюдения объекта и обработка данных. Поиск закономерностей в массиве данных [электронный ресурс] / Режим доступа: http://www. umk3.utmn. ru., свободный.
Рекомендовано к изданию кафедрой информационных систем. Утверждено и. о. проректора-начальника управления по научной работе Тюменского государственного университета.
ОТВЕТСТВЕННЫЙ РЕДАКТОР: , профессор, д. т.н.
© Тюменский государственный университет, 2011.
© , 2011.
Пояснительная записка.Цели и задачи дисциплины.
Целью дисциплины «Организация наблюдения объекта и обработка данных. Поиск закономерностей в массиве данных» является ознакомление аспирантов с современными подходами к организации наблюдения исследуемого объекта, методами информативной обработки данных наблюдений и методами выявления закономерностей в полученных данных.
К основным задачам изучения дисциплины относятся:
- формирование системного подхода к решению проблемы получения сведений о сложном объекте; изучение математических методов обработки данных и рядов наблюдений; изучение методов выявления закономерностей, скрытых в данных.
Место дисциплины в структуре ООП.
«Организация наблюдения объекта и обработка данных. Поиск закономерностей в массиве данных» является дисциплиной факультативного цикла, опирающейся на знания методов математического анализа, линейной алгебры, теории вероятностей и математической статистики, дискретной математики, MS Office.
Требования к результатам освоения дисциплины.
Процесс изучения дисциплины направлен на формирование следующих компетенций.
- ОК-1 - владение культурой мышления, способность к обобщению, анализу, восприятию информации, постановке цели и выбору путей ее достижения, умение логически верно, аргументировано и ясно строить устную и письменную речи. ОК-4 - способность научно анализировать социально значимые проблемы и процессы, умение использовать на практике методы гуманитарных, экологических, социальных и экономических наук в различных видах профессиональной и социальной деятельности; ОК-7 - умение критически оценивать свои достоинства и недостатки, наметить пути и выбрать средства развития достоинств и устранения недостатков; ОК-10 - готовность использовать основные законы естественно-научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования; ОК-11 - способность к письменной, устной и электронной коммуникации на государственном языке и необходимое знание иностранного языка (хороший английский язык); ОК-16 - способен использовать навыки публичной речи, ведения дискуссии и полемики;
- ПК-31 - способность осуществлять поиск, анализировать и систематизировать научную информацию, отечественный и зарубежный опыт по теме исследования. ПК-32 - способность определять задачи исследования, проводить эксперименты по заданной методике, обрабатывать полученные данные, анализировать и интерпретировать результаты. ПК-33 - способность готовить научные отчеты по результатам выполненных исследований.
В результате освоения дисциплины обучающийся должен:
знать
- основные этапы в процессе организации и осуществления наблюдения объекта, способы планирования и фиксирования результатов наблюдения;
уметь
- использовать методы анализа и обработки данных наблюдений, пользоваться инструментальными средствами обработки данных;
владеть
- способностью производить эксперименты по заданным методикам с обработкой и анализом их результатов, составлять описание выполненных исследований и подготавливать данные для разработки научных обзоров и публикаций.
Трудоемкость дисциплины.
Семестр 1. Форма промежуточной аттестации - зачет (2 контрольные работы). Общая трудоемкость дисциплины составляет 1 зачетную единицу (36 академических часов: 24 часа самостоятельной работы, 12 часов аудиторных занятий). Реферат.
Тематический план.
Таблица 1. Тематический план дисциплины «Организация наблюдения объекта и обработка данных.
Поиск закономерностей в массиве данных»
№ | Тема | Всего часов | Виды учебной и самостоятельная работы, час. | Из них в интерактивной форме | Формы контроля | |
лекции | Практические занятия | самостоятельная работа* | ||||
1 | 2 | 4 | 5 | 6 | 8 | |
1 | Планирование наблюдения системы. | 6 | 1 | 4 | ||
2 | Описательная статистика данных измерений. | 12 | 2 | 2 | 4 | 2 |
3 | Методы анализа данных измерений. | 18 | 3 | 8 | 4 | КР |
4 | Методы оценки зависимостей показателей и параметров объекта | 2 | 2 | 8 | 4 | КР |
Итого: | 36 | 8 | 4 | 24 | Зачет | |
Из них часов в интерактивной форме | 8 | 8 |
Таблица 2. Планирование самостоятельной работы аспирантов
№ | Темы | Виды СРС | Объем часов |
обязательные | дополни-тельные | ||
1 | Планирование наблюдения системы. | Работа с литературой, Интернетом. Подготовка реферата, его защиты и к контрольным работам. | 4 |
2 | Описательная статистика данных измерений. | Подготовка к КР. | 4 |
3 | Методы анализа данных измерений. | 8 | |
4 | Методы оценки зависимостей показателей и параметров объекта | Реферат. Подготовка к КР. | 8 |
ИТОГО: | 24 |
Разделы дисциплины и междисциплинарные связи с обеспечиваемыми дисциплинами.
Данная дисциплина является основой исследований, связанных с разработкой математических моделей объектов.
Содержание дисциплины.
Тема 1. Планирование наблюдения системы.
Формулирование цели наблюдения. Содержание работ по наблюдению системы. Выбор и шкалирование измеряемых величин. Планы экспериментов. Матрицы активного и пассивного экспериментов. Их цензурирование.
Тема 2. Описательная статистика данных измерений.
Понятие описательной статистики. Роль средних и среднеквадратичных величин; оценок асимметрии и эксцесса; моды, медианы и других квантилей. Гистограмма. Задачи о проверке гипотез.
Тема 3. Методы анализа данных измерений.
Кластеризация матрицы эксперимента. Корреляционный анализ матрицы эксперимента. Нормирование данных измерений. Информативные параметры и показатели. Анализ графиков взаимосвязи пар столбцов матрицы эксперимента.
Тема 4. Методы оценки зависимостей показателей и параметров объекта.
Факторный анализ. Дисперсионный анализ. Регрессионный анализ. Выбор регрессионных моделей. Исследование регрессий. Шаговые методы оценки параметров регрессии.
Темы практических занятий.
Анализ и исправление матрицы эксперимента. Нормирование значений измеренных величин. Описательная статистика матрицы эксперимента. Проверка гипотез о характере величин столбцов. Корреляционные матрицы Пирсона и Спирмена. Трехфакторная регрессия. Кластеризация данных матрицы эксперимента.
Учебно-методическое обеспечение СРС. Оценочные средства.
7.1. Реферат (от лат. refero - докладываю, сообщаю), краткое изложение в письменном виде или в форме публичного выступления содержания книги, научной работы, результатов изучения научной проблемы; доклад на определённую тему, включающий обзор соответствующих литературных и других источников. Как правило, Р. имеет научно-информационное назначение. Р., называемые также научными докладами, получили распространение в научно-исследовательских учреждениях, высшей школе, в системе политического просвещения, в народных университетах. В общеобразовательной школе и средних специальных учебных заведениях Р. называют специально подготовленные сообщения учащихся на факультативных занятиях и др.
Самостоятельная работа аспирантов заключается в углубленном изучении тем, предложенных аспирантам на лекционных и практических занятиях. Контроль самостоятельной работы аспиранта осуществляется в форме защиты реферата по выбранной теме.
7.2. Примерные темы рефератов.
Темы рефератов формируются совместно с аспирантом и касаются в основном наблюдений объекта его исследования.
Примерный перечень вопросов к зачету. Понятие наблюдения. Типы задач наблюдения объекта. Этапы наблюдения объекта. Понятие матриц пассивного и активного экспериментов. Цензурирование матрицы эксперимента. Методы исправления матриц экспериментов. Задача планирования эксперимента. Содержание обработки данных в описательной статистике. Формальная постановка задачи о регрессии. Параметры и показатели системы. Критерии принятия решений в обработке данных. Кластеризация данных. Шкалы и размерности наблюдаемых величин. Информативные параметры и показатели. Типы закономерностей, скрытых в массиве данных.
Образовательные технологии.
Озвучивание материала курса сопровождается мультимедиа-презентацией при связи с Интернетом.
Практические занятия проводятся в компьютерном классе, соединенном с Интернетом.
Предусмотрены встречи с представителями российских и зарубежных компаний, государственных и общественных организаций, мастер-классы экспертов и специалистов
Учебно-методическое и информационное обеспечение дисциплины.9.1. Основная литература.
Лившиц методы обработки результатов наблюдений. Часть 1,2. Анализ данных. Учебное пособие. Ч. 1,2 М. Изд-ая группа URSS, 2007. Бакланов наблюдения и мониторинга.
М. Изд-ая группа URSS 2011. 234 с. Загоруйко методы анализа данных и знаний. – Новосибирск: Изд-во Ин-та математики СО РАН, 1999. 270с.
9.2. Дополнительная литература.
1. Иванов применения в медико-биологических исследованиях алгоритма самоорганизующихся карт Кохонена для поиска скрытых закономерностей в массивах данных // Курский научно-практический вестник, 2006. № 2. С.64-69.
2. Монтгомери эксперимента и анализ данных / Пер. с англ. Л.: Судостроение, 1980. 384 с.
9.3. Ресурсы Интернета.
1. ГОСТ 24026-80 Исследовательские испытания. Планирование эксперимента. Термины и определения. - http://www. znaytovar. ru/ gost/2/GOST_2402680_Issledovatelskie. html.
2. Васнев (учебное пособие) / электронное издание московского государственного университета печати. - http://www. hi-edu. ru/e-books/xbook096/01/index. html? part-003.htm.
3. Поиск закономерностей в рядах данных: что есть и чего не хватает? - http://schegloff. /252903.html.
4. Алгебра над алгоритмами и эвристический поиск закономерностей - http://www. machinelearning. ru/wiki/index. php.
5. Современный анализ данных: поиск скрытых закономерностей - http://www. management. /ims/ims106.html.
9.4. Периодика.
1. Вестник Тюменского государственного университета. Математика. Физика. Информатика.
2. Перспективы науки (ВАК-журнал).
3. Вопросы современной науки и практики. Университет имени .
4. Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Серия "Наука и образование".
5. Инициативы ХХХI века (ВАК-журнал).
