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).