Методы, модели, технологии и технологические платформы для создания обучаемых экспертных систем на основе всех видов данных

Магистратура 2021/2022

Статус: Курс по выбору (Компьютерные системы и сети)

Направление: 09.04.01. Информатика и вычислительная техника

Кто читает: Базовая кафедра информационно-аналитических систем ЗАО «ЕС-лизинг»

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Жукова Людмила Вячеславовна, Кочнев Алексей Андреевич, Поляков Константин Львович

Прогр. обучения: Компьютерные системы и сети

Язык: русский

Кредиты: 5

Контактные часы: 70

Полная версия программы учебной дисциплины

Аннотация

Настоящая программа учебной дисциплины «Методы, модели, технологии и технологические платформы для создания обучаемых экспертных систем на основе всех видов данных» устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 09.04.01 «Информатика и вычислительная техника» подготовки магистра, изучающих дисциплину «Методы, модели, технологии и технологические платформы для создания обучаемых экспертных систем на основе всех видов данных».

Цель освоения дисциплины

Целями освоения дисциплины «Методы, модели, технологии и технологические платформы для создания обучаемых экспертных систем на основе всех видов данных» являются приобретение комплекса теоретических знаний и методологических основ в области применения методов и моделей для обработки корпоративных данных, а также практических навыков их применения на примере информационно-аналитической плат-формы IBMBigData.

Планируемые результаты обучения

Осуществляет выбор адекватной данным модели панельных данных на основании формальных критериев и постановки задачи в предметной области.
Проводит анализ кластерной структуры данных.
Специфицирует и оценивает модель классификации данных адекватную задаче в предметной области.
Владеет методами стандартизации, очистки и обогащения данных.
Имеет представление о Ha-doop, его архитектуре. Умеет взаимодействовать с распределенной файловой системой HDFS и моделью параллельной обработки данных MapReduce.
Имеет представление о назначении и архитектуре классических онтологий. Специфицирует структуру онтологии с использованием языков представления.
Имеет представление о платформе IBMBigData и аналогах. Знает состав платформы, особенности, преимущества и недостатки решения. Умеет пользоваться компонентами платформы.
Имеет представление об архитектуре и видах современных информационно-аналитических систем. Понимает различие в подходах построения ИАС.
Осуществляет спецификацию и обучение нейронной сети в простой ситуации.
Понимает различия между данными, информацией и знаниями. Знает методы взаимодействия с данными и информацией. Имеет представление о понятии метаданных

Содержание учебной дисциплины

Методы классификации.
Основы кластерного анализа.
Модели панельных данных.
Основы построения нейронных сетей.
Современные информационно-аналитические системы
Искусственный интеллект и интеллектуальные информационные системы
Данные и информация
Онтологии. Языки представления онтологий: RDF(S), OWL
Обработка данных
Hadoop
Платформа Больших данных

Элементы контроля

экзамен3
Экзамен проводится в устной форме (опрос по материалам курса). Экзамен проводится на платформе meet.miem.hse.ru. К экзамену необходимо подключиться согласно расписанию экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка meet.miem.hse.ru. Для участия в экзамене студенту необходимо явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. При долговременном нарушении связи (более 10 минут) студенту может быть предложен дополнительный вопрос. Процедура пересдачи аналогична процедуре сдачи.
контрольная работа4
экзамен4
Экзамен проводится в устной форме (опрос по материалам курса). Экзамен проводится на платформе meet.miem.hse.ru. К экзамену необходимо подключиться согласно расписанию экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка meet.miem.hse.ru. Для участия в экзамене студенту необходимо явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. При долговременном нарушении связи (более 10 минут) студенту может быть предложен дополнительный вопрос. Процедура пересдачи аналогична процедуре сдачи.
активность на практ.занятиях3
активность на практ.занятиях4

Промежуточная аттестация

2021/2022 учебный год 4 модуль
Орез4=0.50Орез3+0.125Оактив.на практ.зан4+0.125Окр4+0.25Оэкз4

Программа дисциплины