Учебный план: 09.04.02, 2021, (2.0), Информационные системы и технологии

• Цели и задачи дисциплины

• Целью дисциплины "Прикладные методы анализа данных" является освоение студентами теоретических и практических знаний и приобретение умений и навыков в области применения статистических методов и методов интеллектуального анализа данных при обработке научных, экспериментальных, прикладных, транзакционных и пр. видов данных из любой сферы деятельности.
  Задачами дисциплины являются:
  - изучение понятийно-категориального аппарата в области углубленного анализа данных;
  - формирование представлений об общей методологии консолидации, подготовки и анализа данных;
  - обеспечение освоения современных методов OLAP, KDD, Data Mining;
  - формирование навыков и умений, необходимых для создания и развития корпоративных аналитических систем;
  - приобретение практических навыков владения основными инструментальными средствами библиотек языка программирования Python; 
  - освоение методов и приемов подготовительного и описательного анализа данных, средств визуализации данных, использования и усовершенствования обучаемых моделей; 
  - формирование умений делать выводы из проведенного анализа.

• Краткое содержание дисциплины

• В ходе курса изучается следующий перечень вопросов:
  Предмет и методы прикладного анализа данных. Проверка гипотез. Понятие, сущность и задачи интеллектуального анализа данных. Стадии интеллектуального анализа данных.  
  Основные понятия технологий сбора и систематизации данных. Предобработка данных, визуализация, первичный статистический анализ.
  Освоение работы с языком Python и библиотеками, предоставляющими доступ к методам машинного обучения, нейросетевым моделям и визуализации (Scikit-learn, TensorFlow, Keras, Matplotlib и др.)
  Корреляционный и регрессионный анализы. Классификация. Кластерный анализ. Метод главных компонент.
  Анализ и прогнозирование временных рядов. Поиск ассоциативных правил в процессе анализа данных.
  Нейросетевое моделирование и глубокое обучение. Анализ текстовой информации и аналитика. 
  Визуализация данных.

• Компетенции обучающегося, формируемые в результате освоения дисциплины
• ОПК-2 Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач
• ОПК-4 Способен применять на практике новые научные принципы и методы исследований
• ОПК-7 Способен разрабатывать и применять математические модели процессов и объектов при решении задач анализа и синтеза распределенных информационных систем и систем поддержки принятия решений