Исходный уровень компетенций, которыми должен обладать студент (стр. 1 )

I. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

Исходный уровень компетенций, которыми должен обладать студент

№ п/п	Исходный уровень компетенций, знаний и умений, которыми должен обладать студент, приступая к изучению данной дисциплины
ОК - 3   ОК–6	способен принимать организационно-управленческие решения и готов нести за них ответственность, в том числе в нестандартных ситуациях (ОК - 3); владеет навыками публичной и научной речи (ОК - 6);

Цель преподавания дисциплины

цель курса – сформировать у студентов системное представление о технологиях интеллектуального анализа данных (Data Mining), их применении и инструментах.

Задачи изучения дисциплины:

В результате изучения дисциплины студент должен:

Знать отличия Data Mining от классических статистических методов анализа и OLAP-систем, типы закономерностей и сферы применения Data Mining. Уметь квалифицировать задачи Data Mining, применять методы интеллектуального анализа данных. Иметь представление о тенденциях технологий интеллектуального анализа данных, стандартах и инструментах.

Средства обеспечения освоения дисциплины

При изучении дисциплины рекомендуется использовать следующие средства:

− рекомендуемую основную и дополнительную литературу;

− методические указания и пособия;

− контрольные задания для закрепления теоретического материала;

− электронные версии учебников и методических указаний для выполнения практических работ и СРС.

Формы работы студентов.

Формы работы студентов: лекционные занятия, написание курсовых работ, эссе, рефератов, выполнение контрольных работ;

Дисциплина «Интеллектуальный анализ данных» разбита на модули, представляющие собой логически завершенные части курса и являющиеся теми комплексами знаний и умений, которые подлежат контролю.

Контроль освоения модулей включает в себя выполнение письменных контрольных работ, предусмотренных рабочей программой дисциплины.

В конце семестра проводится контрольное мероприятие, включающее контроль последнего модуля для всех студентов и контроль, который проходят обязательно те студенты, которые имеют задолженность по прошлым модулям, а также те, кто желает улучшить свой рейтинг.

Для максимального усвоения дисциплины рекомендуется проведение письменного опроса (тестирование, решение задач) студентов по материалам лекций и практических работ. Подборка вопросов для тестирования осуществляется на основе изученного теоретического материала. Такой подход позволяет повысить мотивацию студентов при конспектировании лекционного материала.

В курсе используются классические аудиторные методы для всех занятий. Лекционная и внеаудиторная работа студентов получает свое практическое завершение на семинаре (лабораторной работе).

На семинарских (лабораторных) занятиях предполагается рассмотреть наиболее важные, существенные, сложные вопросы, которые, как свидетельствует преподавательская практика, наиболее трудно усваиваются студентами.

В качестве организованной самостоятельной работы студента рекомендуется использовать написание рефератов по выбранной заранее тематике.

При написании реферата студент должен в соответствии с требованиями к оформлению работ сформулировать проблему, актуальность, поставить цель и задачи исследования, сделать самостоятельный вывод о состоянии и путях решения заданной проблемы.

Формирование результирующей оценки

Формирование итоговой оценки по дисциплине осуществляется в соответствии с Положением о бально-рейтинговой системе оценки успеваемости студентов. Положение о бально-рейтинговой системе оценки успеваемости находится на сайте ВолГУ по адресу: http://new. volsu. ru/Student/LawDocs/

Распределение баллов по дисциплине «Интеллектуальный анализ данных»

Лабораторные работы Посещение Контрольные работы	6 лабораторных работ x 7 баллов = 42балла 17 посещений x 0,5 баллов =8 баллов 3 контрольные работы x 10 баллов=30 баллов   1 вопрос по теории - 2 балла   Тесты по темам контрольной работы – 3 балла   1 задача – 5 баллов ИТОГО: 80
Премиальные баллы
Реферат Сдача лабораторных работ в срок Индивидуальное задание для успевающих студентов	10 баллов 6 лабораторных работ x 1 балл =  6 баллов индивидуальное задание = 15 баллов ИТОГО: 31
ИТОГО: 80+31=111

Формируемые компетенции.

№ п/п	Компетенции, формируемые в результате освоения дисциплины
ОК - 1 ОК – 2 ОК – 5	способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень (ОК - 1); способен к самостоятельному освоению новых методов исследования, изменению научного и научно-производственного профиля своей профессиональной деятельности (ОК-2) способность к творческой адаптации к конкретным условиям выполняемых задач и их инновационным решениям (ОК -5);
ПК – 3 ПК -10	применять методы системного анализа и моделирования для анализа архитектуры предприятий (ПК-3); проводить исследования и поиск новых моделей и методов совершенствования архитектуры предприятия (ПК-10);

II. Структура изучения дисциплины

Всего часов	108
В. ч.
Аудиторных занятий	51
Из них лекций	17
семинарских/практических  занятий
лабораторных занятий	34
практикумов
Самостоятельных занятий	57
изучение основной и дополнительной литературы	50
написание курсовых работ, эссе, рефератов,	23
выполнение письменных домашних заданий, расчетов, проектов	10
выполнение контрольных работ, тестов	10
Подготовка к экзамену, экзамен

Другие пояснения автора

Обучение людей с ограниченными возможностями здоровья, их социальная адаптация – один из приоритетных вопросов российского образования. Законодательство Российской Федерации в соответствии с основополагающими международными документами в области образования предусматривает принцип равных прав на образование для детей данной категории.

В рамках изучения курса предоставляются условия для обеспечения процесса обучения людей с ограниченными возможностями. В частности возможности дистанционного обучения через использование ПТК УМКА. Индивидуальные консультации с использованием сети «Интернет».

В процессе обучения будут использоваться информационные, образовательные и компенсационные технологии. Главная задача состоит в том, чтобы в рамках изучения курса люди с ограниченными возможностями смогли раскрыть свой интеллектуальный потенциал в рамках образовательной деятельности, почувствовать себя полноправными членами общества, а также повысить свой уровень жизни.

III. Тематический план изучения дисциплины

«Интеллектуальный анализ данных»

Тема	Содержание	Вид занятий	Форма занятий	Коли-чество часов	Форма контроля
Модуль 1.
1. Анализ данных в системах поддержки принятия решений.	Задачи СППР. Архитектура СППР. Базы данных в СППР. Требования к данным.	Аудиторные Самостоятель-ные	Лекции Лабораторная работа №1 Изучение дополнительной литературы Подготовка к лабораторной работе	2 4 3 2	Контрольный опрос и защита лабораторной работы
2. Хранилище данных	Концепция хранилища данных. Свойства хранилищ данных (предметная ориентация, интеграция, поддержка хронологии, неизменяемость). Физические и виртуальные хранилища данных. Проблемы создания хранилищ данных. Организация хранилищ данных. Очистка данных. Показатели и документы	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 2 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе	2 4 3 2	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос и защита лабораторной работы
3. OLAP-системы	Многомерная модель данных. Определение OLAP-систем. Концептуальное многомерное представление. Двенадцать правил Кодда. Дополнительные правила Кодда. Тест FASMI. Архитектура OLAP-систем. MOLAP-серверы. ROLAP-серверы. HOLAP-серверы. Контрольная работа по 1 модулю	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 3 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе Написание реферата по теме Подготовка к контрольной работе по 1 модулю	4 4 3 2 5 5	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос и защита лабораторной работы
Модуль 2
4. Интел-лектуальный анализ данных (Data Mining)	Свойства знаний. Сравнение статистик, машинного обучения и Data Mining. Классификация задач Data Mining. Сферы применения Data Mining. Процесс Data Mining: анализ предметной области, постановка задачи, подготовка данных, построение модели, проверка и оценка моделей, выбор модели, применение модели, коррекция и обновление модели.	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 3 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе Написание реферата по теме	2 6 3 2 5	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос и защита лабораторной работы
5. Задачи и методы интел-лектуального анализа данных	Классификация и кластеризация. Прогнозирование и визуализация. Методы прогнозирования и классификации: деревья решений, метод опорных векторов, метод «ближайшего соседа», нейронные сети. Методы кластерного анализа. Контрольная работа по 2 модулю	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 3 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе Написание реферата по теме	4 6 6 4 10	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос и защита лабораторной работы
Модуль 3
6. Стандарты Data Mining	Стандарт CWM: назначение, структура и состав. Стандарт CRISP: структура, фазы и задачи. Стандарт PMML. Стандарт OLE DB для Data Mining.	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 5 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе Написание реферата по теме	2 4 3 2 5	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос и защита лабораторной работы
7. Инструменты Data Mining	Поставщики Data Mining. Классификация инструментов. Программное обеспечение Data Mining для поиска ассоциативных правил. Программное обеспечение для решения задач кластеризации и сегментации. Программное обеспечение для решения задач классификации. Программное обеспечение Data Mining для решения задач оценивания и прогнозирования. Контрольная работа по 3 модулю	Аудиторные Самостоятель-ные	Лекции Лабораторная работа № 6 Изучение базовой и дополнительной литературы Подготовка к лабораторной работе Подготовка к контрольной работе по 3 модулю Подготовка к экзамену	1 6 3 2 6 0	Письменный опрос в конце лекции (5-10 мин) Контрольный опрос по вопросам лабораторной работы Зачет по итогам работы в семестре

Формы рубежного контроля