Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Компетенции обучающегося, формируемые в результате освоения дисциплины. В результате освоения дисциплины студент должен:

Читайте также:
  1. B)& эпоха освоения степных и горных пространств
  2. C. которое обязательно наступит в результате испытания.
  3. Cодержание дисциплины
  4. I Цели и задачи изучения дисциплины
  5. I. Общие компетенции.
  6. I. Рабочая программа дисциплины
  7. I. Цели и задачи изучения дисциплины
  8. I. ЦЕЛИ И ЗАДАЧИ ОСВОЕНИЯ ДИСЦИПЛИНЫ
  9. I. ЦЕЛЬ И ЗАДАЧИ ДИСЦИПЛИНЫ
  10. II. Компетенции выпускника

ОК-10, ОК-12, ПК-2, ПК-4

 

В результате освоения дисциплины студент должен:

а) знать:

• модели представления и методы интеллектуальной обработки массивов данных

б) уметь:

• применять современные системные программные средства интеллектуального анализа данных при исследовании социально-экономических процессов

в) владеть:

• методами интеллектуального анализа и проектирования баз данных и знаний

4. Объём и виды учебной работы

 

Общая трудоемкость дисциплины составляет 3 зачётных единиц, 108 часов.

 

Вид учебной работы Всего часов Распределение по семестрам в часах
Номер семестра
Общая трудоёмкость дисциплины
Аудиторные занятия
Лекции (Л)
Практические занятия, семинары и (или) другие виды аудиторных занятий (ПЗ)
Лабораторные работы (ЛР)
Самостоятельная работа (СРС)
подготовка к практикам и семинарам
подготовка к зачету
подготовка реферата
Контроль самостоятельной работы студента (КСР)
защита докладов и отчетов
защита реферата
зачет
Вид итогового контроля (зачет, экзамен)   зачет

Содержание дисциплины

№ раздела Наименование разделов дисциплины Объем аудиторных занятий по видам в часах
Всего Л ПЗ ЛР
Общие сведения о методиках анализа данных, включая Knowledge Discovery in Databases, Data Mining
Развитие новых методов анализа данных и извлечения знаний: кластеризация, деревья решений, алгоритмы ограниченного перебора, системы для визуализации многомерных данных, нейронные сети и их программная реализация.
Знакомство с аналитической платформой, предоставляющей полный набор инструментов решения задач анализа данных для создания систем поддержки принятия решений (на примере Deductor).

Лекции


Дата добавления: 2015-01-12; просмотров: 11 | Нарушение авторских прав




lektsii.net - Лекции.Нет - 2014-2020 год. (0.007 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав