• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Современные методы анализа данных

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус: Курс обязательный (Интеллектуальный анализ данных)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 1-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Прогр. обучения: Интеллектуальный анализ данных
Язык: русский
Кредиты: 4

Программа дисциплины

Аннотация

В курсе рассматриваются основные современные методы анализа данных. В результате овладения дисциплиной студент овладеет математическими основами анализа данных и овладеет компетенциями в области практического использования этих методов для анализа реальных данных.
Цель освоения дисциплины

Цель освоения дисциплины

  • Развитие компетенций в области анализа данных
  • Развитие компетенций в области математических методов и информационных технологий.
Планируемые результаты обучения

Планируемые результаты обучения

  • Освоение основных теоретических положений современных методов анализа данных
  • Овладение практическими навыками анализа реальных данных
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Многомерные данные и их представление
    Многомерные данные. Первичная обработка. Пропуски и выбросы. Классификация и визуализация.
  • Дискриминантный анализ
    Линейный дискриминантный анализ. Квадратичный дискриминантный анализ.
  • Статистические основы многомерного анализа
    Основные понятия и методы многомерной статистики
  • Многомерное шкалирование
    Многомерное шкалирование для представления данных
  • Кластерный анализ
    Методы кластерного анализа. Метод средних, метод медоидов, алгоритм DBSCAN. Методы иерархической кластеризации
  • Факторный анализ
    Факторный анализ и его использование
  • Анализ главных компонент
    Метод главных компонент и его использование для анализа данных
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Домашнее задание
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (1 модуль)
    0.5 * Домашнее задание + 0.5 * Домашнее задание
  • Промежуточная аттестация (2 модуль)
    0.5 * Домашнее задание + 0.2 * Домашнее задание + 0.3 * Промежуточная аттестация (1 модуль)
Список литературы

Список литературы

Рекомендуемая дополнительная литература

  • Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
  • Под ред. Мхитаряна В.С. - АНАЛИЗ ДАННЫХ. Учебник для академического бакалавриата - М.:Издательство Юрайт - 2019 - 490с. - ISBN: 978-5-534-00616-2 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-dannyh-432178