247
.pdfМинистерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования
«Нижегородский государственный архитектурно-строительный университет»
К.А. Сафонов
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Учебно-методическое пособие
по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля
Нижний Новгород
2016
Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования
«Нижегородский государственный архитектурно-строительный университет»
К.А. Сафонов
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Учебно-методическое пособие
по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля
Нижний Новгород ННГАСУ
2016
1
УДК 681.3 (075)
Сафонов К.А. / Интеллектуальный анализ данных [Электронный ресурс]: учеб. – метод. пос./ К.А. Сафонов; Нижегор. гос. архитектур. – строит. ун-т – Н. Новгород: ННГАСУ, 2016. -9 с. 1 электрон. опт. диск (CD-R)
Даются тематика лекций, их краткое содержание, а также методические рекомендации по самостоятельной работе обучающихся по дисциплине «Интеллектуальный анализ данных». Указывается необходимая литература и источники, разъясняется последовательность их изучения, выделяются наиболее сложные вопросы и даются рекомендации по их изучению.
Предназначено для обучающихся в ННГАСУ по дисциплине «Интеллектуальный анализ данных» по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля.
© К.А. Сафонов © ННГАСУ. 2016.
2
Учебно-методическое пособие по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) по дисциплине «Интеллектуальный анализ данных» предназначены для студентов четвертого курса, обучающихся по направлению 09.03.02 Информационные системы и технологии, и содержат программу для проведения лекционных занятий, а также методические рекомендации по самостоятельной работе.
Цель учебно-методического пособия: помочь студентам при изучении учебной программы с использованием лекционных материалов и рекомендуемой учебно-методической литературы при формировании необходимых компетенций дисциплины «Интеллектуальный анализ данных».
Целями освоения дисциплины «Интеллектуальный анализ данных» являются: ознакомление студентов с технологиями обработки данных в реальном времени (OLAP), интеллектуального анализа данных (Data Mining); приобретение навыков работы с программными продуктами, реализующими эти технологии; предоставление сведений об особенностях реализации систем интеллектуального анализа в современных СУБД.
В лекциях излагается общая характеристика вопросов тем, даются практические примеры применения стандартов, осуществляется групповая работа студентов и преподавателя. Главной целью лекций является привитие студентам интереса к изучаемому материалу, формирование мотивации к последующему самостоятельному анализу рассматриваемой проблематики. На лекциях студентам раскрываются наиболее сложные вопросы и теоретические положения, показывается их практическая значимость, даются рекомендации по углубленному самостоятельному изучению теории и практики.
На лекциях по дисциплине «Интеллектуальный анализ данных» широко используются активные формы проведения занятий. Такие формы организации образовательного процесса, способствуют разнообразному (индивидуальному, групповому, коллективному) изучению учебных вопросов (проблем), активному взаимодействию студентов и преподавателя, живому обмену мнениями между ними, нацеленному на выработку правильного понимания содержания изучаемой темы и способов ее практического использования.
Материал пропущенных лекций студент восстанавливает самостоятельно и по всем непонятным положениям и вопросам обращается за разъяснением к преподавателю.
Самостоятельная работа направлена на развитие компетенций дисциплины:
−ПК-4 − способность проводить выбор исходных данных для проектирования;
−ПК-4 − способность проводить моделирование процессов и систем;
−ПК-17 − способность использовать технологии разработки объектов профессиональной деятельности в областях: машиностроение, приборостроение, техника, образование, медицина, административное управление, юриспруденция, бизнес, предпринимательство, коммерция, менеджмент, банковские системы, безопасность информационных систем, управление технологическими процессами, механика, техническая физика,
3
энергетика, ядерная энергетика, силовая электроника, металлургия, строительство, транспорт, железнодорожный транспорт, связь, телекоммуникации, управление инфокоммуникациями, почтовая связь, химическая промышленность, сельское хозяйство, текстильная и легкая промышленность, пищевая промышленность, медицинские и биотехнологии, горное дело, обеспечение безопасности подземных предприятий и производств, геология, нефтегазовая отрасль, геодезия и картография, геоинформационные системы, лесной комплекс, химиколесной комплекс, экология, сфера сервиса, системы массовой информации, дизайн, медиаиндустрия, а также предприятия различного профиля и все виды деятельности в условиях экономики информационного общества.
Виды и формы самостоятельной работы студентов по дисциплине:
−систематическая проработка лекций, основной и дополнительной литературы;
−подготовка к зачету.
Содержание разделов дисциплины «Интеллектуальный анализ данных» представлено в таблице 1.
Таблица 1 Содержание разделов дисциплины
|
|
|
Аудиторные занятия |
|
|
|||
|
|
|
|
(в часах) |
|
|
Перечень |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Самос- |
компетенций, |
|
|
|
|
|
|
,семинарПрактика |
||
№ |
Наименование раздела |
Всего |
Лекции |
Лабораторные |
|
тоя- |
формируемых в |
|
п/п |
дисциплины |
часов |
|
тельная |
процессе |
|||
|
|
|
|
|||||
|
|
|
|
|
|
|
работа |
освоения |
|
|
|
|
|
|
|
|
раздела |
|
|
|
|
|
|
|
|
|
1 |
Основы анализа данных. |
6 |
2 |
2 |
|
|
2 |
ПК-17 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
Реализация средств |
|
|
|
|
|
|
ПК-5 |
2 |
интеллектуального |
7 |
2 |
2 |
|
|
3 |
|
|
анализа данных в |
|
|
|
|
|
|
|
|
современных СУБД. |
|
|
|
|
|
|
|
3 |
Основные алгоритмы |
27 |
8 |
8 |
|
|
11 |
ПК-5, ПК-4 |
интеллектуального |
|
|
|
|||||
|
анализа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
Язык запросов |
14 |
4 |
4 |
|
|
6 |
ПК-5 |
интеллектуального |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
анализа данных. |
|
|
|
|
|
|
|
Рекомендуется проработать конспект лекций, затем повторить теоретический материал, пользуясь рекомендованной основной и дополнительной литературой. Если после этого остаются вопросы, рекомендуется выписать их и обратиться к преподавателю на консультациях или через электронную информационно-образовательную среду ННГАСУ (i.nngasu.ru).
4
Перед зачетом студентам выдаётся список примерных вопросов, по которым можно понять, на что нужно сделать упор при подготовке к аттестации.
Студент допускается к зачету, если он сдал все лабораторные работы. При подготовке к зачету после получения перечня вопросов рекомендуется:
1)внимательно прочитать материал лекций;
2)постараться разобраться с непонятными, в частности, новыми терминами, используя рекомендованную литературу;
3)просмотреть все лабораторные работы;
4)выписать вопросы для подробного обсуждения с преподавателем на консультации.
Перечень примерных вопросов, выносимых на зачет.
−Основные понятия анализа данных
−Основные задачи интеллектуального анализа данных
−Этапы проведения интеллектуального анализа данных
−Модели интеллектуального анализа данных
−Структуры интеллектуального анализа данных
−Что такое Data Mining. История возникновения.
−Применение интеллектуального анализа данных в различных сферах деятельности
−Архитектурные особенности реализации подсистем интеллектуального анализа в современных СУБД
−Реализация этапов интеллектуального анализа с помощью программных продуктов компании Microsoft
−Выбор алгоритма интеллектуального анализа для использования в конкретной аналитической задаче
−Типы алгоритмов интеллектуального анализа
−Алгоритм интеллектуального анализа данных: Упрощенный алгоритм Байеса
−Алгоритм интеллектуального анализа данных: Деревья решений
−Алгоритм интеллектуального анализа данных: Линейная регрессия
−Алгоритм интеллектуального анализа данных: Метод временных рядов
−Алгоритм интеллектуального анализа данных: Кластерный анализ
−Алгоритм интеллектуального анализа данных: Кластеризация последовательностей
−Алгоритм интеллектуального анализа данных: Алгоритмы взаимосвязей
−Алгоритм интеллектуального анализа данных: Нейросетевые алгоритмы
−Алгоритм интеллектуального анализа данных: Логистическая регрессия
−Примеры реализации подсистем интеллектуального анализа в современных СУБД
−Концепции языка DMX, структуры и модели интеллектуального анализа.
Показатели оценки по зачету представлены в таблице 2.
5
|
|
|
Таблица 2 Показатели оценки по зачету |
||
Показатели |
Бал- |
|
|
|
|
оценивания |
Оценка |
|
Критерий оценки |
|
|
лы |
|
|
|||
компетенций |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Результаты |
4,5 - |
«зачтено» |
|
ставится обучающемуся, |
|
освоения |
5,0 |
|
|
показавшему глубокие |
|
дисциплины |
|
|
|
систематизированные знания |
|
соответствует |
|
|
|
учебного материала, в полной мере |
|
требованиям |
|
|
|
соответствующие требованиям к |
|
ФГОС |
|
|
|
уровню подготовки обучающегося, |
|
|
|
|
|
проявившему творческие |
|
|
|
|
|
способности в понимании, |
|
|
|
|
|
изложении и использовании |
|
|
|
|
|
учебного материала при решении |
|
|
|
|
|
поставленных задач, умеющему |
|
|
|
|
|
обобщать информацию, |
|
|
|
|
|
аргументировано и практически |
|
|
|
|
|
без ошибок ответившему на все |
|
|
|
|
|
вопросы. |
|
Результаты |
3,5 - |
«зачтено» |
|
ставится обучающемуся, |
|
освоения |
4,4 |
|
|
продемонстрировавшему |
|
дисциплины |
|
|
|
достаточно полные знания |
|
соответствует |
|
|
|
учебного материала, в целом |
|
требованиям |
|
|
|
соответствующие требованиям к |
|
ФГОС |
|
|
|
уровню подготовки обучающегося, |
|
|
|
|
|
способность к их |
|
|
|
|
|
самостоятельному восполнению и |
|
|
|
|
|
обновлению в ходе решения |
|
|
|
|
|
поставленных задач, умение |
|
|
|
|
|
систематизировать информацию, |
|
|
|
|
|
допустившему негрубые ошибки и |
|
|
|
|
|
недочеты. |
|
Результаты |
2,5 - |
«зачтено» |
|
ставится обучающемуся, |
|
освоения |
3,4 |
|
|
показавшему уровень знаний |
|
дисциплины |
|
|
|
учебного материала в объёме, |
|
соответствует |
|
|
|
минимально необходимом для |
|
требованиям |
|
|
|
решения поставленных задач, |
|
ФГОС |
|
|
|
знание основ дисциплины, |
|
|
|
|
|
владеющего навыками логического |
|
|
|
|
|
мышления и допустившему |
|
|
|
|
|
непринципиальные ошибки при |
|
|
|
|
|
ответе на вопросы. |
|
6
Показатели |
|
Бал- |
|
|
оценивания |
|
Оценка |
Критерий оценки |
|
|
лы |
|||
компетенций |
|
|
||
|
|
|
||
|
|
|
|
|
Результаты |
|
0,0 - |
«не |
ставится обучающемуся, |
освоения |
|
2,4 |
зачтено» |
показавшему существенные |
дисциплины |
НЕ |
|
|
пробелы в знании основного |
соответствует |
|
|
|
учебного материала, допустившему |
требованиям |
|
|
|
принципиальные ошибки при |
ФГОС |
|
|
|
применении знаний, которые не |
|
|
|
|
позволяют ему приступить к |
|
|
|
|
решению поставленных задач без |
|
|
|
|
дополнительной подготовки. |
Перечень основной и дополнительной учебной литературы, необходимой для освоения дисциплины.
Основная литература:
1.Нестеров, С. А. Интеллектуальный анализ данных средствами MS SQL Server 2008: учебное пособие. [Электронное издание]. – М: ИнтернетУниверситет Информационных Технологий (ИНТУИТ), 2012.
2.Федин, Ф.О., Федин, Ф.Ф. Анализ данных. Часть 1. Подготовка данных к анализу: Учебное пособие. – М: Московский городской педагогический университет, 2012.
3.Федин, Ф.О., Федин, Ф.Ф. Анализ данных. Часть 2. Инструменты Data Mining: Учебное пособие. – М: Московский городской педагогический университет, 2012.
Дополнительная литература:
1.Белов, В. С. Информационно-аналитические системы. Основы проектирования и применения: учебное пособие. – М: Евразийский открытый институт, 2010. –112 c.
2.Алексеева, Т.В., Амириди Ю.В., Дик, В.В., Лужецкий, М.Г. Информационные аналитические системы: учебник. – М: Московский финансово-промышленный университет «Синергия», 2013. –384 с.
3.Тюрин, Ю.Н, Макаров, А.А. Анализ данных на компьютере: учеб. пособие по направлениям "Математика", "Математика. Приклад. математика". -М.:
ИД "ФОРУМ", 2013. –366 с.
Перечень ресурсов информационно – телекоммуникационной сети «интернет» (далее - сеть «интернет»), необходимых для освоения дисциплины:
1.www.intuit.ru - Интернет-Университет Информационных Технологий
2.machinelearning.ru - профессиональный информационно-аналитический ресурс, посвященный
3.машинному обучению, распознаванию образов и интеллектуальному анализу данных.
7
4.www.techdays.ru - видео-портал Microsoft по современным технологиям и разработке
5.http://www.rsl.ru/ Российская государственная библиотека.
6.http://www.gpntb.ru/ Государственная публичная научно-техническая библиотека России.
7.http://elibrary.ru/ Научная электронная библиотека.
8.http://www.edu.ru Федеральный портал «Российское образование»
9.http://window.edu.ru. Единое окно доступа к образовательным ресурсам
8
Сафонов Константин Анатольевич
Учебно-методическое пособие
по подготовке к лекциям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине «Интеллектуальный анализ данных»
по направлению подготовки 09.03.02 Информационные системы и технологии, без профиля
Федеральное государственное бюджетное образовательное учреждение высшего образования «Нижегородский государственный архитектурно-строительный университет»
603950, Нижний Новгород, ул. Ильинская, 65. http://www.nngasu.ru, srec@nngasu.ru
9