М1.В.ОД.5 Интеллектуальный анализ на основе хранилищ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение
высшего профессионального образования
«Дальневосточный федеральный университет»
(ДВФУ)
ШКОЛА ЕСТЕСТВЕННЫХ НАУК
РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ (РПУД)
Интеллектуальный анализ на основе хранилищ данных
Направление — 230700.68, Прикладная информатика
Форма подготовки - очная
Школа естественных наук
Кафедра Компьютерные системы
курс 2 семестр 3
лекции 8 час.
практические занятия 0 час.
семинарские занятия - час.
лабораторные работы 46 час.
консультации
всего часов аудиторной нагрузки 54 (час.)
самостоятельная работа 54 (час.)
реферативные работы (количество) нет
контрольные работы (количество) нет
зачет 3 семестр
экзамен - семестр
Рабочая программа составлена в соответствии с требованиями федерального государственного образовательного
стандарта высшего профессионального образования (утв. приказом Минобрнауки РФ от 21.12.2009 г., №
762).
Рабочая программа обсуждена на заседании кафедры компьютерных систем « 03 » октября 2012 г.
Составитель (ли): А.М. Фролов, к.ф.-м.н., доцент
I. Рабочая программа пересмотрена на заседании кафедры:
Протокол от «_____» _________________ 20___ г. № ______
Заведующий кафедрой _______________________ Е.Л. Кулешов
(подпись)
(И.О. Фамилия)
II. Рабочая программа пересмотрена на заседании кафедры:
Протокол от «_____» _________________ 20___ г. № ______
Заведующий кафедрой _______________________ Е.Л. Кулешов
(подпись)
(И.О. Фамилия)
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 3 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
АННОТАЦИЯ
Учебная дисциплина разработана для студентов 2 курса направление
«230700.68, «Прикладная информатика» в соответствии с требованиями
ФГОС по данному направлению.
Дисциплина «Интеллектуальный анализ на основе хранилищ данных»
является вариативной дисциплиной и входит в цикл общенаучных дисциплин
для магистерской программы «Системы корпоративного управления».
Цель изучения дисциплины - формирование у студентов теоретических
знаний, практических умений и навыков по применению современных
методов
интеллектуального
анализа
данных
в
различных
сферах
человеческой деятельности.
Задачи изучения дисциплины:
1) изучение существующих технологий подготовки данных к анализу;
2) изучение основных методов поиска закономерностей, связей, правил
в табулированных массивах данных большого объема; иллюстрированного
их применения в различных областях деятельности;
3) овладение
практическими
умениями
и
навыками
реализации
технологий интеллектуального анализа данных, формирования и проверки
гипотез о их природе и структуре, варьирования применяемыми моделями;
4) формирование умений и навыков применения универсальных
программных пакетов и аналитических платформ для анализа данных.
В результате изучения дисциплины студент должен:
Знать:
 основные методы консолидации, трансформации, визуализации,
оценки качества, очистки и предобработки данных;
 принципы построения и структурную организацию хранилищ данных;
 алгоритмы поиска ассоциативных правил и кластерного анализа;
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 4 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
 статистические и машинные методы классификации и регрессии;
 методики анализа и прогнозирования временных рядов;
 технологию построения ансамблей и сравнения моделей;
 возможности
отечественных
и
зарубежных
универсальных
программных средств и аналитических платформ, применяемых для анализа
данных;
 проблемные
вопросы
внедрения
аналитических
программных
продуктов и технологий в профессиональную деятельность организаций и
учреждений.
Уметь:
 практически
применять
методы
консолидации,
трансформации,
визуализации, оценки качества, очистки и предобработки данных для
качественной подготовки данных к анализу;
 создавать хранилища данных, выполнять их загрузку, извлекать
данные из хранилищ;
 применять технологии интеллектуального анализа электронных
массивов данных для решения конкретных практических проблем;
 использовать
возможности
отечественных
и
зарубежных
универсальных программных средств и аналитических платформ для поиска
закономерностей, связей, правил, знаний в электронных массивах данных;
 свободно ориентироваться на современном динамичном рынке
аналитических программных продуктов.
Владеть современным инструментарием интеллектуального анализа
данных.
Дисциплина
направлена
на
формирование
профессиональных компетенций (ОК, ПК) выпускника:
общекультурных
и
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 5 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
 способен совершенствовать и развивать свой интеллектуальный и
общекультурный уровень, самостоятельно обучаться новым методам
исследования (ОК-1);
 способен свободно пользоваться русским языком и одним из
иностранных языков, как средством делового общения (ОК-2);
 способен приобретать и использовать на практике знания, умения и
навыки в организации исследовательских и проектных работ, в управлении
коллективом (ОК-3);
 способен проявлять инициативу, брать на себя ответственность в
условиях риска и принимать нестандартные решения в проблемных
ситуациях (ОК-4);
 способен использовать углублённые знания правовых и этических
норм при оценке последствий своей профессиональной деятельности, при
разработке и осуществлении социально значимых проектов (ОК-5);
 способен управлять знаниями в условиях формирования и развития
информационного общества: анализировать, синтезировать и критически
резюмировать и представлять информацию (ОК-6);
 способен исследовать современные проблемы и методы прикладной
информатики
и
научно-технического
развития
информационно-
коммуникационных технологий (ПК-1);
 способен исследовать закономерности становления и развития
информационного общества в конкретной прикладной области (ПК-2);
 способен на практике применять новые научные принципы и методы
исследований (ПК-3);
 способен
электронного
к
профессиональной
оборудования
программы (ПК-4);
в
эксплуатации
соответствии
с
целями
современного
магистерской
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 6 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
 способен использовать и развивать методы научных исследований и
инструментария в области проектирования и управления информационными
системами в прикладных областях (ПК-5);
 способен формализовывать задачи прикладной области, при решении
которых
возникает
необходимость
использования
количественных
и
качественных оценок (ПК-6);
 способен
ставить
и
решать
прикладные
задачи
в
условиях
неопределенности и определять методы и средства их эффективного решения
(ПК-7);
 способен проводить научные эксперименты, оценивать результаты
исследований (ПК-8);
 способен исследовать применение различных научных подходов к
автоматизации информационных процессов и информатизации предприятий
и организаций (ПК-9);
 способен проводить анализ экономической эффективности ИС,
оценивать проектные затраты и риски (ПК-10);
 способен анализировать данные и оценивать требуемые знания для
решения нестандартных задач с использованием математических методов и
методов компьютерного моделирования (ПК-12);
 способен
анализировать
и
оптимизировать
прикладные
и
информационные процессы (ПК-13);
 способен проводить маркетинговый анализ ИКТ и вычислительного
оборудования для рационального выбора инструментария автоматизации и
информатизации прикладных задач (ПК-14);
 способен применять современные методы и инструментальные
средства прикладной информатики для автоматизированного решения
прикладных задач различных классов и создания ИС (ПК-15);
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 7 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
 способен проектировать архитектуру и сервисы информационных
систем предприятий в прикладной области (ПК-16);
 способен проектировать информационные процессы и системы с
использованием инновационных инструментальных средств, адаптировать
современные ИКТ к задачам прикладных ИС (ПК-17);
 способен принимать эффективные проектные решения в условиях
неопределенности и риска (ПК-18);
 способен
формировать стратегию информатизации прикладных
процессов и создания прикладных ИС в соответствии со стратегией развития
предприятий (ПК-19);
 способен организовывать работы по моделированию прикладных ИС
и реинжинирингу прикладных и информационных процессов предприятия
(ПК-20).
I. СОДЕРЖАНИЕ ТЕОРЕТИЧЕСКОЙ ЧАСТИ КУРСА
Раздел 1. Технологии обеспечения качественного анализа данных
(4 час.)
Тема 1. Технологии анализа данных, с использованием методов
интерактивного/активного обучения - дискуссия (1 час.)
Аналитический и информационный походы к моделированию. Формы
представления, типы и виды анализируемых данных. Источники данных для
анализа. Технология KDD (Knowledge Discovery in Databases). Введение в
технологию Data Mining. Программный инструментарий анализа данных.
Тема
2.
Консолидация
данных,
с
использованием
методов
интерактивного/активного обучения - дискуссия (1 час.)
Введение в консолидацию данных. Общая характеристика OLTPсистем. Предпосылки появления систем поддержки принятия решений (DSS
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 8 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
– Decision Support System). Введение в хранилища данных (DW – Data
Warehouse). Реляционные хранилища данных (ROLAP – Relational OLAP).
Многомерные хранилища данных (MOLAP – Multidimensional OLAP).
Гибридные хранилища данных (HOLAP – Hybrid OLAP). Виртуальные
хранилища данных. Введение в процесс ETL (Extraction, Transformation,
Loading). Извлечение данных в ETL. Преобразование данных в ETL. Загрузка
данных в хранилище. Особенности загрузки данных из локальных
источников. Обогащение данных.
Тема 3. Трансформация данных. Визуализация данных (1 час.)
Введение в трансформацию данных. Особенности трансформации
временных рядов. Группировка и разгруппировка данных. Слияние данных.
Квантование. Нормализация и кодирование данных.
Введение в визуализацию данных. Визуализаторы общего назначения.
OLAP-анализ. Визуализаторы, применяемые для оценки качества моделей.
Визуализаторы, применяемые для интерпретации результатов анализа.
Тема 4. Оценка качества, очистка и предобработка данных (1 час.)
Введение в оценку качества данных (ADQ – Assessment Data Quality).
Технологии и методы оценки качества данных. Очистка и предобработка
данных. Фильтрация данных. Обработка дубликатов и противоречий.
Выявление аномальных значений. Восстановление пропущенных значений.
Введение в сокращение размерности. Сокращение числа признаков.
Сокращение числа значений признаков и записей. Сэмплинг.
Раздел 2. Инструменты Data mining (4 час.)
Тема 5. Поиск ассоциативных правил. Кластеризация (1 час.)
Введение в аффинитивный анализ (affinity analysis). Алгоритм a priori.
Иерархические ассоциативные правила.
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 9 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
Введение в кластеризацию. Классификация методов кластеризации.
Алгоритм кластеризации k-means. Сети Кохонена (KCN – Kohonen network).
Карты Кохонена (SOM – self organizing map). Проблемы алгоритмов
кластеризации
Тема 6. Классификация и регрессия. Статистические методы
(1 час.)
Введение в классификацию и регрессию. Простая линейная регрессия.
Оценка соответствия простой линейной регрессии реальным данным.
Простая регрессионная модель. Множественная линейная регрессия. Модель
множественной линейной регрессии. Регрессия с категориальными входными
переменными. Методы отбора переменных в регрессионные модели.
Ограничения применимости регрессионных моделей. Основы логистической
регрессии. Интерпретация модели логистической регрессии. Множественная
логистическая регрессия.
Тема 7. Классификация и регрессия. Машинное обучение (1 час.)
Введение в деревья решений. Алгоритмы построения деревьев
решений. Алгоритмы IDЗ и С4.5. Алгоритм CART. Упрощение деревьев
решений. Введение в нейронные сети. Искусственный нейрон. Принципы
построения нейронных сетей. Алгоритмы обучения нейронных сетей.
Алгоритм обратного распространения ошибки.
Тема 8. Анализ и прогнозирование временных рядов. Ансамбли
моделей. Сравнение моделей (1 час.)
Временной
ряд
и
его
компоненты.
Модели
прогнозирования.
Прогнозирование в торговле и логистике.
Введение в ансамбли моделей. Бэггинг. Бустинг. Альтернативные
методы построения ансамблей.
Оценка эффективности и сравнение моделей. Оценка ошибки модели.
Издержки ошибочной классификации. Lift- и Profit-кривые. ROC-анализ.
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 10 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
II. СОДЕРЖАНИЕ ПРАКТИЧЕСКОЙ ЧАСТИ КУРСА
Лабораторные работы (46 час.)
Лабораторный практикум по разделу 1 (26 час.)
Лабораторная работа № 1 «Основы работы с аналитической
платформой Deductor studio» (2 час.)
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
система Windows XP), аналитическая платформа Deductor Studio.
Лабораторная работа № 2 «Трансформация данных в Deductor
Studio» (4 час.)
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
система Windows XP), аналитическая платформа Deductor Studio.
Лабораторная работа № 3 «Создание, заполнение и использование
хранилища данных Deductor Warehouse на базе Firebird» (4 час.)
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
система Windows XP), аналитическая платформа Deductor Studio Academic.
Лабораторная работа № 5 «Определение представления источника
данных в проекте служб Analysis Services» (4 час.)
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
система Windows XP Professional), SQL Server 2008 Developer.
Лабораторная работа № 6 «Определение и развертывание
куба» (4 час.)
Место проведения: специализированный компьютерный класс.
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
система Windows XP Professional), SQL Server 2008 Developer.
Лабораторная
работа
№
7
«Изменение
мер,
атрибутов
и
иерархий» (4 час.)
Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 11 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
система Windows XP Professional), SQL Server 2008 Developer.
Лабораторный практикум по разделу 2 (20 час.)
Лабораторная работа № 6. «Ассоциативные правила» (4 час.)
Лабораторная
работа
№
7.
«Основы
работы
с
пакетом
STATISTICА» (4 час.)
Лабораторная работа № 8. «Кластерный анализ» (4 час.)
Лабораторная работа № 9. «Регрессионный анализ» (4 час.)
Лабораторная
работа
№
10.
«Искусственные
нейронные
сети» (4 час.)
III. КОНТРОЛЬ ДОСТИЖЕНИЯ ЦЕЛЕЙ КУРСА
Методы контроля:

обсуждение теоретических концепций;

представление отчетов по работам в электронной форме;

обсуждение промежуточных результатов по программам работ;

презентация, защита отчетов по лабораторным работам.
Интерактивные/активные формы проведения занятий:

компьютерное моделирование;

выполнение
лабораторных
работ
(проектно-исследовательских
работ).
Вопросы к зачету
1. Модели и их свойства. Аналитический и информационный походы к
моделированию.
2. Формы представления, типы и виды анализируемых данных.
3. Обучение моделей «с учителем» и «без учителя». Обучающее и
тестовое множество. Ошибки обучения. Эффект переобучения.
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 12 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
4. Общая схема анализа данных. Требования к алгоритмам анализа
данных.
5. Основные принципы сбора (формализации) данных. Требования к
объемам анализируемых данных.
6. Характеристика этапов технологии KDD.
7. Data Mining. Характеристика классов задач, решаемых методами
Data Mining.
8. Программный инструментарий для выполнения анализа данных.
9. Цели, задачи и основное содержание консолидации данных.
Обобщенная схема процесса консолидации.
10. Характеристика OLTP-систем.
11. Предпосылки появления систем поддержки принятия решений DSS.
Понятие ESS, EIS и GDSS.
12. Основные положения концепции хранилищ данных (DW).
13. Реляционные хранилища данных (ROLAP).
14. Технология OLAP. Сущность многомерного представления данных.
15. Структура многомерного куба. Работа с измерениями.
16. Многомерные хранилища данных (MOLAP).
17. Гибридные хранилища данных (HOLAP).
18. Виртуальные хранилища данных.
19. Цели, задачи и основное содержание процесса ETL.
20. Основные виды проблем в данных, из-за которых они нуждаются в
очистке.
21. Организация
процесса
загрузки
данных
в
хранилище.
Постзагрузочные операции.
22. Причины отказа от использования хранилищ данных. Особенности
загрузки данных из локальных источников.
23. Обогащение данных.
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 13 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
24. Цели, задачи и основное содержание трансформации данных.
Трансформация данных на разных этапах аналитического процесса.
Типичные средства трансформации.
25. Особенности трансформации временных рядов. Скользящее окно.
Преобразование даты и времени.
26. Группировка и разгруппировка данных.
27. Способы слияния данных.
28. Квантование данных.
29. Нормализация и кодирование данных.
30. Цели, задачи и основное содержание визуализации данных. Группы
методов визуализации.
31. Визуализаторы общего назначения. OLAP-анализ.
32. Манипуляции с измерениями OLAP-куба.
33. Визуализаторы, применяемые для оценки качества моделей.
34. Визуализаторы,
применяемые
для
интерпретации
результатов
анализа.
35. Технологии и методы оценки качества данных. Профайлинг.
36. Очистка и предобработка данных.
37. Типичный
набор
инструментов
предобработки
данных
аналитическом приложении.
38. Фильтрация данных. Обработка дубликатов и противоречий.
39. Выявление аномальных и восстановление пропущенных значений.
40. Алгоритмы и методы сокращения числа признаков.
в
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 14 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
IV. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
Основная литература
1.
Паклин Н.Б., Орешков В. И. Бизнес-аналитика: от данных к
знаниям. – СПб. : Питер, 2009
2.
Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И.
Методы и модели анализа данных: OLAP и Data Mining. - 2-е изд. – СПб. :
БХВ – Петербург, 2008
3.
Кацко И.А., Н.Б. Паклин. Практикум по анализу данных на
компьютере. – М. : КолосС, 2009.
Дополнительная литература
Темы 1 - 12
4.
Дюк В.А., Самойленко А.П. Data Mining: учебный курс. – СПб. :
Питер, 2001.
5.
Хайкин С. Нейронные сети: полный курс. -2-е. изд. / Пер. с англ. –
М. : Издат. дом «Вильямс», 2006.
6.
Ханк Д.Э., Уичерн Д.У., Райте А.Дж. Бизнес-прогнозирование. - 7-е
изд. / Пер. с англ. – М.: Издат. дом «Вильямс», 2003
7.
Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные
статистические методы : учебник. – М. : Финансы и статистика, 2000.
8.
Нейронные сети. STATISTICA Neural Network: Методология и
технологии современного анализа данных. / Под ред. В.П. Боровикова. – М. :
Горячая линия-Телеком, 2008
9.
Халафян А.А. STATISTICA 6. Статистический анализ данных :
учебник. / - 3-е изд. – М. : Бином-Пресс, 2007.
10. Андрейчиков
А.В.,
Андрейчикова
информационные системы. – М. : ФиС, 2004.
О.Н.
Интеллектуальные
ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ
Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных»
Разработчики:
Идентификационный номер:
Контрольный экземпляр на кафедре
Лист 15 из 15
Фролов А.М.,
УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН
к.ф.-м.н., доцент
М1.В.ОД.5-2012
11. Кравченко Т.К., Перминов Г.И. Информационная технология
процесса принятия экономических решений. - М. : ГУ-ВШЭ, 2005.
12. Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и
социальных науках. / - 2-е изд. – СПб. : Питер, 2007.
Интернет-ресурсы
1. Барсегян, А. Анализ данных и процессов. / А. Барсегян, М.
Куприянов, И. Холод, М. Тесс, С. Елизаров. - 3-е изд. - СПб. : БХВПетербург, 2010. - 512 с. - Электронное издание. - Доступно из URL :
http://ibooks.ru/reading.php?productid=18456.
2. Абдикеев, Н.М. Информационный менеджмент. / Н.М. Абдикеев. М. : ИНФРА-М, 2009. - 400 с. - Электронное издание. - Доступно из URL :
http://ibooks.ru/reading.php?productid=24489
3. Когаловский, М.Р. Перспективные технологии информационных
систем. / М.Р. Когаловский. - М. : ДМК Пресс, 2010. - 288 с. - Электронное
издание. - Доступно из URL : http://ibooks.ru/reading.php?productid=22430