Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

реклама
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«Саратовский государственный технический университет имени Гагарина Ю.А.»
Кафедра прикладных информационных технологий
АННОТАЦИЯ К РАБОЧЕЙ ПРОГРАММЕ
по дисциплине
Б.2.3.2.1 «Методы обработки многомерных данных»
направления подготовки
230400.62 "Информационные системы и технологии"
форма обучения – очная
курс – 2
семестр – 4
зачетных единиц – 3
часов в неделю – 3
всего часов – 108,
в том числе:
лекции – 18
практические занятия – 36
самостоятельная работа – 54
зачет – 5 семестр
Рабочая программа обсуждена
на заседании кафедры ПИТ
«28» августа 2013 года, протокол № 1
Зав. кафедрой Долинина О.Н.
Рабочая программа утверждена
на заседании УМКН
28» августа 2013 года, протокол № 1
Председатель УМКН Долинина О.Н.
Саратов 2013
1. Цели и задачи дисциплины
Целью преподавания дисциплины является не только освоение
теоретического курса, но и овладение на практике методами обработки и
анализа многомерных данных.
Конкретные цели: студенты научатся применять методы анализа
многомерных данных, решать конкретные задачи, получат навыки
проведения аналитической обработки статистической информации; научатся
планировать
этапы
организации
аналитического
исследования
(проектирование инструментария, сбор и анализ данных, составления
отчетов и публикация материалов).
Для достижения поставленных целей слушателю необходимо усвоить и
использовать при проведении исследований и в образовательном
процессе следующие понятия:
1. Статистические модели процессов Аналитическое описание объектов и
методология их исследования. Статистический вывод. Статистические
гипотезы.
2. Основные
характеристики
выборочных
данных.
Графическое
представление характеристик выборки: график функции, точечная
диаграмма, гистограмма, круговая диаграмма.
3. Процедура проведения статистического исследования.
4. Типы
выборок
–
случайная,
стратифицированная,
гнездовая,
многоступенчатая выборка. Виды неслучайных выборок.
5. Параметры выборки: размах, среднее, отклонение, среднеквадратическое
отклонение и дисперсия, коэффициент вариации. Законы распределения:
биномиальный, Пуассона, нормальный, Стьюдента.
6. Меры связи переменных (случаи метрических, ординальных и
номинальных шкал). Таблицы сопряженности. Коэффициенты корреляции
Пирсона, Спирмена, Кендала. Типы корреляционной связи.
7. Регрессионный анализ зависимостей между переменными. Факторы и
зависимые переменные.
8. Классификация единиц наблюдения. Кластерный анализ
Задачи курса заключаются в том, чтобы студент познакомился с
основными понятиями анализа многомерных данных и умел применять
полученные знания в прикладных областях для решения задач, возникающих
при разработке информационных систем.
Конкретными задачами курса являются:
1. Знакомство с основными процедурами сбора, преобразования и анализа
многомерных данных.
2. Получение навыка применения конкретных подходов к анализу
многомерных данных.
3. Изучение методов анализа многомерных данных, приобретение
навыков применения этих методов в работе с данными различной
природы.
4. Знакомство с методами выявления закономерностей, причинных
связей, обусловливающих эти закономерности.
5. Знакомство с особенностями применения статистического анализа в
сфере проектирования статистических исследований, методами
обработки
и
представления
информации,
определения
репрезентативности данных.
2. Место дисциплины в структуре ООП ВПО
Дисциплина связана с другими частями ООП «Исследование операций и
теория игр» (Б.2.2.1), «Прогнозирование временных рядов» (Б.2.3.2.2),
«Математические методы для решения практических задач» (Б.2.3.4.2).
Входные знания требуют базового курса теории графов. Необходимо знать
определения и основные результаты теории вероятности и статистики.
3. Требования к результатам освоения дисциплины
Изучение дисциплины направлено на формирование следующих
компетенций: ОК-1, ОК-3, ПК-12, ПК-26.
Студент должен знать:
 методы сбора информации об объекте исследования их достоинства и
недостатки;
 методы определения уровня репрезентативности статистической
информации;
 методы многомерного шкалирования;
 правила анализа и интерпретации описательных статистик распределений
переменных;
 виды корреляционного анализа и правила его применения для данных
различного типа;
 виды регрессионного анализа и правила его применения для данных
различного типа;
 методы кластерного анализа, их применение, интерпретация результатов.
Студент должен уметь:
 осуществлять методологическое обоснование использования методов
анализа многомерных данных при реализации и разработке
информационных систем;
 осуществлять сбор, анализ и интерпретацию данных имеющих
многомерную природу;
 осуществлять выбор оптимальных решений, подготавливать и составлять
отчеты и презентационные материалы по проведенному исследованию.
Студент должен владеть навыками:
 логико-методологического анализа научного исследования и его
результатов;
 методами научного поиска и интеллектуального анализа научной
информации при решении новых задач;
 математическим аппаратом для решения специфических задач в области
информационных систем и технологий
 использования и знать основное назначение при проведении исследований
и анализе данных следующих программных средств: электронные
таблицы (MS Excel), иметь опыт использования основных алгоритмов и
приемов обработки статистических данных с помощью пакетов
прикладных программ анализа данных (SPSS, PSPP).
Скачать