Читайте также:
|
Общая трудоёмкость дисциплины составляет 4 зачётных единиц.
Вид итоговой аттестации - зачет.
МЕЖДИСЦИПЛИНАРНЫЕ СВЯЗИ РАЗДЕЛОВ И ТЕМ ДИСЦИПЛИНЫ
С ОБЕСПЕЧИВАЕМЫМИ ДИСЦИПЛИНАМИ
| №п/п | Наименование обеспечиваемых (последующих) дисциплин базовой части | Номера разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин базовой части | ||||
| Математика | * | * | * | * | * | |
| Теория вероятностей и математическая статистика | * | * | * | * | ||
| Эконометрика | * | * | * |
СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
Тема 1. Введение в анализ данных
Введение в анализ данных. Проблема обработки данных. Матрица данных. Гипотезы компактности и скрытых факторов. Структура матрицы данных и задачи обработки. Матрица объект-объект и признак-признак. Расстояние и близость. Измерение признаков. Отношения и их представление. Основные проблемы измерений. Основные типы шкал. Проблема адекватности. Основные задачи анализа и интерпретации данных
Тема 2. Основные понятия математической статистики
Основные понятия теории вероятности. Понятие случайной величины. Распределения. Выборочный метод. Оценка параметров распределения. Проверка статистических гипотез.
Тема 3. Методы предподготовки данных
Оценка качества данных. Технологии и методы оценки качества данных. Очистка и предобработка. Фильтрация данных. Обработка дубликатов и противоречий. Выявление аномальных значений. Восстановление пропущенных значений. Введение в сокращение размерности. Сокращение числа признаков.
Тема 4. Методы ассоциация
Ассоциативные правила. Алгоритм Apriori. Иерархические ассоциативные правила. Последовательные шаблоны. Примеры применения методов ассоциации в анализе бизнес-информации.
Тема 5. Методы кластеризации
Кластеризация. Алгорим кластеризации k-means. Сети Кохонена. Карты Кохонена. Проблемы алгоритмов кластеризации. Примеры применения методов кластеризации в анализе бизнес-информации.
Тема 6. Методы классификации и регрессии
Введение в классификацию и регрессию. Статистические методы. Линейная регрессионная модель. Множественная регрессия. Логистическая регрессия. Деревья решений. Алгоритм ID3, C4.5, CART. Нейронные сети. Алгоритмы обучения нейронных сетей. Алгоритм обратного распространения ошибки. Примеры применения методов классификации в анализе бизнес-информации. Примеры применения методов регрессии в анализе бизнес-информации.
Дата добавления: 2015-01-12; просмотров: 27 | Поможем написать вашу работу | Нарушение авторских прав |