Прикладная информатика

ЦЕЛИ И ЗАДАЧИ ОСВОЕНИЯ ДИСЦИПЛИНЫ Цели освоения дисциплины:

получение обучающимися теоретических представлений о принципах создания интеллектуальных информационных систем на основе использования математических методов и компьютерного моделирования, а также выработка практических навыков использования современных инструментальных средств для решения задач искусственного интеллекта

Задачи:

научить обучающихся использовать современные инструментальные средства для решения задач, возникающих при создании интеллектуальных информационных систем

МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ОБРАЗОВАТЕЛЬНОЙ ПРОГРАММЫ Цикл (раздел) ОПОП: Б1.Б Связь с другими дисциплинами учебного плана

Перечень предшествующих дисциплин	Перечень последующих дисциплин, видов работ
Инструментальные методы системного анализа (продвинутый курс) Интеллектуальный анализ данных Математическая статистика Научно-исследовательская работа Практика по получению первичных профессиональных умений и навыков Проблемы автоматизированного создания и адаптации информационных систем и технологий Создание и управление WEB-сервисами	Педагогическая Преддипломная Технологии Big Data Управления знаниями

ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Формируемые компетенции	Осваиваемые знания, умения, владения
Код	Наименование
Общепрофессиональные компетенции(ОПК)
ОПК-5	способностью на практике применять новые научные принципы и методы исследований	Знать: современные научные принципы и методы исследований при создании интеллектуальных информационных систем
Уметь: использовать новые научные принципы и методы исследований интеллектуальных систем
Владеть: навыками применения новых научных принципов и методов исследований интеллектуальных систем на практике
Профессиональные компетенции (ПК) по видам профессиональной деятельности
Аналитическая
ПК-8	способностью анализировать данные и оценивать требуемые знания для решения нестандартных задач с использованием математических методов и методов компьютерного моделирования	Знать: математические методы и методы компьютерного моделирования, используемые при создании интеллектуальных ИС
Уметь: анализировать данные и оценивать требуемые знания для решения нестандартных задач
Владеть: математическими методами и методами компьютерного моделирования для анализа данных и оценки требуемых знаний для создания интеллектуальных ИС
ПК-9	способностью анализировать и оптимизировать прикладные и информационные процессы	Знать: виды прикладных и информационных процессов в ИИС
Уметь: анализировать прикладные и информационные процессы в ИИС
Владеть: методами оптимизации прикладных и информационных процессов при создании интеллектуальных ИС
Проектная
ПК-14	способностью принимать эффективные проектные решения в условиях неопределенности и риска	Знать: принципы поддержки принятия решений с использованием ИИС
Уметь: рарабатывать и использовать интеллектуальные СППР
Владеть: методами принятия решений на основе ИИС

СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ Аудиторные занятия − очная форма обучения

Кол. час	в том числе в интерактивной форме, час.	Вид занятия, модуль, тема и краткое содержание	Формируемые компетенции
8	2	Лекции	ОПК-5,ПК-8,ПК-9,ПК-14
4	1	Модуль 1 «Обзор интеллектуальных систем»	ОПК-5,ПК-8,ПК-9,ПК-14
2	1	Тема 1.1 «Введение в предмет «Интеллектуальный анализ данных» (Data Mining - DM)» Основные понятие DM и возникновение, перспективы, проблемы Data mining. Системы поддержки принятия решений (СППР). Задачи систем поддержки принятия решений. База данных – СППР. Неэффективность использования OLTP-систем для анализа даных	ОПК-5,ПК-8,ПК-9,ПК-14
2		Тема 1.2 «Хранилища данных (ХД) и OLAP-системы» Понятие данных. Значение понятий объект и атрибут, выборка, зависимая и независимая переменная. Типы шкал. Концепция хранилища данных. Организация ХД. Очистка данных. Хранилища данных и анализ. Многомерная модель данных. Определение OLAP-систем. Концептуальное многомерное представление данных. Архитектура OLAP-систем: MOLAP, ROLAP, HOLAP	ОПК-5,ПК-8,ПК-9,ПК-14
4	1	Модуль 2 «Методы и модели Data Mining»	ОПК-5,ПК-8,ПК-9,ПК-14
2	1	Тема 2.1 «Основные задачи в проблеме распознавания образов» Проблема распознавания образов. Классификация и характеристика основных задач распознавания образов. Формирование информативного признакового пространства. Основные понятия. Критерия информативности. Логико-эвристические методы формирования признакового пространства. Статистические методы формирование признакового пространства. Алгоритмы распознавания, основанные на вычислении оценок (АВО). Необходимые определения. Этапы задания АВО. Теоремы о вычислении оценок. Задачи, решаемые алгоритмами вычисления оценок	ОПК-5,ПК-8,ПК-9,ПК-14
2		Тема 2.2 «Работа со сложными системами» Мера важности объектов в сложных системах. Важность объекта в системе. Мера важности. Примеры введения меры важности объектов в сложных системах. Мера важности признаков в задаче распознавания образов. Вычислительные алгоритмы получения информационных весов и оценки их сложности. Некоторые применения мера важности признаков.	ОПК-5,ПК-8,ПК-9,ПК-14
16	6	Лабораторные работы	ОПК-5,ПК-8,ПК-9,ПК-14
8	3	Модуль 1 «Обзор интеллектуальных систем»	ОПК-5,ПК-8,ПК-9,ПК-14
4	3	Тема 1.1 «Введение в предмет «Интеллектуальный анализ данных» (Data Mining - DM)» Применение методов первичного разведочного анализа данных в решении задач интеллектуального анализа данных (ИАД) средствами интегрированной системы Statistica	ОПК-5,ПК-8,ПК-9,ПК-14
2	1	Тема 1.2 «Хранилища данных (ХД) и OLAP-системы» Решение задач интеллектуального анализа данных (ИАД): классификация объектов средствами интегрированной системы Statistica	ОПК-5,ПК-8,ПК-9,ПК-14
2		Тема 1.3 «Задачи и практическое применение Data Mining» Решение задач интеллектуального анализа данных (иад) средствами Deductor и MatLab	ОПК-5,ПК-8,ПК-9,ПК-14
8	3	Модуль 2 «Методы и модели Data Mining»	ОПК-5,ПК-8,ПК-9,ПК-14
4	3	Тема 2.1 «Методы кластеризации данных» Решение задач интеллектуального анализа данных (ИАД): прогнозирование временных рядов средствами интегрированной системы Statistica	ОПК-5,ПК-8,ПК-9,ПК-14
2	1	Тема 2.2 «Основные задачи в проблеме распознавания образов» Распознавание образов на осноые инструментальных средств	ОПК-5,ПК-8,ПК-9,ПК-14
2		Тема 2.3 «Работа со сложными системами» Разработка и обучение нейронной сети	ОПК-5,ПК-8,ПК-9,ПК-14

Самостоятельная работа студента – очная форма обучения

Кол. час	Темы, разделы, вынесенные на самостоятельную подготовку, их содержание	Формируемые компетенции
12	Темы, разделы, вынесенные на самостоятельную подготовку
4	Основные задачи в проблеме распознавания образов	ОПК-5,ПК-8,ПК-9,ПК-14
4	Работа со сложными системами	ОПК-5,ПК-8,ПК-9,ПК-14
4	Нейронные сети	ОПК-5,ПК-8,ПК-9,ПК-14
36	Темы и вопросы, определяемые преподавателем с учетом интересов студента 1) Классификация интеллектуальных ИС. 2) Данные и знания. База знаний. Методы извлечения знаний из данных 3) Модели представления знаний 4) Основные типы задач Data Mining. . Области применения Data Mining. 5) Методы Data Mining. 6) Этапы обнаружения знаний 7) факторный анализ 8) корреляционный анализ 9) Модели искусственного нейрона. 10) Виды нейронных сетей. 11) Способы обучения нейронных сетей. 12) Алгоритм обучение персептрона. 13) Области применения нейронных сетей. 14) функция активации. Виды функции активации 15) способы обучения нейронных сетей 16) Схема классического генетического алгоритма.  Области применения. 17) Нечёткая и классическая логика. Области применения нечёткой логики. 18) Правила вывода в нечёткой логике. 19) Пример нечёткой системы управления. 20) Постановка задачи классификации и регрессии. Схема алгоритма. 21) Деревья решений. Общие понятия. 22) Алгоритм ID3. 23) Алгоритм для построения дерева решений С4.5 24) Алгоритмы кластеризации 25) Алгоритм k-средних 26) Алгоритмы поиска ассоциативных правил 27) Алгоритм Apriori.	ОПК-5,ПК-8,ПК-9,ПК-14
48	Общая трудоемкость самостоятельной работы (час)

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ Фонд оценочных средств для проведения текущего контроля

№

Типовые задания, контрольные работы, тесты и другие методы контроля, позволяющие оценить знания, умения и уровень приобретенных компетенций

1

Вопросы текущего контроля по модулям Обзор интеллектуальных систем 1) Классификация интеллектуальных ИС. 2) Данные и знания. База знаний. Методы извлечения знаний из данных 3) Модели представления знаний 4) Основные типы задач Data Mining. . Области применения Data Mining. 5) Методы Data Mining. 6) Этапы обнаружения знаний 7) факторный анализ 8) корреляционный анализ 9) Модели искусственного нейрона. 10) Виды нейронных сетей. 11) Способы обучения нейронных сетей. 12) Алгоритм обучение персептрона. 13) Области применения нейронных сетей. Методы и модели Data Mining 1) функция активации. Виды функции активации 2) способы обучения нейронных сетей 3) Схема классического генетического алгоритма.  Области применения. 4) Нечёткая и классическая логика. Области применения нечёткой логики. 5) Правила вывода в нечёткой логике. 6) Пример нечёткой системы управления. 7) Постановка задачи классификации и регрессии. Схема алгоритма. 8) Деревья решений. Общие понятия. 9) Алгоритм ID3. 10) Алгоритм для построения дерева решений С4.5 11) Алгоритмы кластеризации 12) Алгоритм k-средних 13) Алгоритмы поиска ассоциативных правил 14) Алгоритм Apriori.

Структура и содержание фонда оценочных средств представлены в Приложении 1 к рабочей программе дисциплины.

Фонд оценочных средств для проведения промежуточной аттестации в форме зачета

       

Вопросы к зачету:

1) Классификация интеллектуальных ИС.

2) Данные и знания. База знаний. Методы извлечения знаний из данных

3) Модели представления знаний

4) Основные типы задач Data Mining. . Области применения Data Mining.

5) Методы Data Mining.

6) Этапы обнаружения знаний

7) факторный анализ

8) корреляционный анализ

9) Модели искусственного нейрона.

10) Виды нейронных сетей.

11) Способы обучения нейронных сетей.

12) Алгоритм обучение персептрона.

13) Области применения нейронных сетей.

14) функция активации. Виды функции активации

15) способы обучения нейронных сетей

16) Схема классического генетического алгоритма.  Области применения.

17) Нечёткая и классическая логика. Области применения нечёткой логики.

18) Правила вывода в нечёткой логике.

19) Пример нечёткой системы управления.

20) Постановка задачи классификации и регрессии. Схема алгоритма.

21) Деревья решений. Общие понятия.

22) Алгоритм ID3.

23) Алгоритм для построения дерева решений С4.5

24) Алгоритмы кластеризации

25) Алгоритм k-средних

26) Алгоритмы поиска ассоциативных правил

27) Алгоритм Apriori.

УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ Основная и дополнительная литература

№	Выходные данные	Количество экземпляров
Основная литература
1	, , , , , Интеллектуальные информационные системы и технологии: учебное пособие. Тамбов: Издательство ФГБОУ ВПО «ТГТУ», 2013. - 244 с. http://biblioclub. ru/index. php? page=book&id=277713&sr=1	Неограниченный доступ для зарегистрированных пользователей
2	, Анализ данных: учебное пособие. Кемерово: Кемеровский государственный университет, 2014. - 138 с. http://biblioclub. ru/index. php? page=book&id=278426&sr=1	Неограниченный доступ для зарегистрированных пользователей
3	, , , нтеллектуальные системы: учебное пособие. Оренбург: ОГУ, 2013,236 с. http://biblioclub. ru/index. php? page=book&id=259148&sr=1	Неограниченный доступ для зарегистрированных пользователей
Дополнительная литература
1	Белов, -аналитические системы. Основы проектирования и применения : учебное пособие, руководство, практикум / В. С. белов. - 2-е изд., перераб. и доп. - М. : Евразийский открытый институт, 2010. - 111 с. http://www. biblioclub. ru/book/90540/	Неограниченный доступ для зарегистрированных пользователей
2	Кулаичев, Алексей Павлович. Методы и средства комплексного анализа данных [Текст]: учеб. пособие для вузов по дисциплинам "Приклад. статистика" и "Информатика" / . 4-е изд., перераб. и доп. - М.: ФОРУМ: ИНФРА-М, 2010. - 512 с.: ил. - 3000 экз. - ISBN 978-5-8199-0234-9 (ФОРУМ). - ISBN 978-5-16-002512-4 (ИНФРА-М).	1
3	Решение задач на компьютерах: учебное пособие, Ч. I. Постановка (спецификация) задач М., Берлин: Директ-Медиа, 2015, 165 сhttp://biblioclub. ru/index. php? page=book&id=273666&sr=1	Неограниченный доступ для зарегистрированных пользователей
4	Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP [Текст]: учеб. пособие по спец. 071900 "Информац. системы и технологии" направления 654700 "Информац. системы" / , . 2-е изд., перераб. и доп. - СПб.: БХВ-Петербург, 2007. - 384 с.: ил. + 1 электрон. опт. диск (CD-ROM). - 1500 экз. - ISBN 5-94157-991-8.	1
5	Тюрин, Юрий Николаевич. Анализ данных на компьютере [Текст]: учеб. пособие / , . 4-е изд., перераб. - М.: ФОРУМ, 2008. - 368 с.: ил. - (Высшее образование). - 3000 экз. - ISBN 978-5-8199-0356-8.	10
Периодические издания
1	Экономика, статистика и информатика. Вестник УМО	1

Перечень ресурсов информационно-телекоммуникационной сети «Интернет»

№	Выходные данные
1	Интернет-библиотека elibrary. ru

Перечень программного обеспечения

№	Наименование программного обеспечения
1	Deductor Studio
2	Microsoft Excel
3	Weka

Перечень информационно-справочных систем

№	Наименование информационно-справочных систем
1	Консультант плюс

МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Помещения для проведения всех видов работ, предусмотренных учебным планом, укомплектованы необходимой специализированной учебной мебелью и техническими средствами обучения. Для проведения лекционных занятий используется демонстрационное оборудование. Лабораторные занятия проводятся в компьютерных классах, рабочие места в которых оборудованы необходимыми лицензионными программными средствами и выходом в Интернет.

       МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ОСВОЕНИЮ ДИСЦИПЛИНЫ

Методические  указания  по  освоению  дисциплины  «Интеллектуальные информационные системы»  адресованы  студентам  всех форм обучения. 

Учебным планом по направлению подготовки «Прикладная информатика» предусмотрены следующие виды занятий:

лекционные

лабораторные

В ходе лекционных занятий рассматриваются теоретические и концептуальные аспекты дисциплины, даются  рекомендации для самостоятельной работы и подготовке к практическим занятиям.

По согласованию с  преподавателем  студент  может  подготовить реферат, доклад или сообщение по теме занятия. В процессе подготовки к занятиям студенты  могут  воспользоваться  консультациями преподавателя. 

Вопросы, не  рассмотренные  на  аудиторных занятиях, должны  быть  изучены  студентами  в  ходе  самостоятельной  работы. Контроль  самостоятельной  работы  студентов  над  учебной  программой курса  осуществляется  в  ходе  занятий методом  устного опроса  или  посредством  тестирования.  В  ходе  самостоятельной  работы  каждый  студент  обязан  прочитать  основную  и  по  возможности  дополнительную  литературу  по  изучаемой  теме,  дополнить  конспекты недостающим  материалом,  выписками  из  рекомендованных первоисточников.  Выделить  непонятные  термины,  найти  их  значение  в энциклопедических словарях. 

Студент  должен  готовиться  к  предстоящему  лабораторному занятию  по  всем,  обозначенным  в  рабочей программе дисциплины вопросам. 

При  реализации  различных  видов  учебной  работы  используются разнообразные (в т. ч. интерактивные) методы обучения, в частности: 

- интерактивная доска для подготовки и проведения занятий; 

-  размещение  материалов  курса  в системе дистанционного обучения http://do. rsue. ru/

Для подготовки к занятиям, текущему контролю и промежуточной аттестации  студенты  могут  воспользоваться электронной библиотекой ВУЗа http://library. rsue. ru/ . Также обучающиеся могут  взять  на  дом необходимую  литературу  на  абонементе  вузовской библиотеки или воспользоваться читальными залами вуза.