Пояснительная записка исходный уровень компетенций, которыми должен обладать студент









I

. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА



Исходный уровень компетенций, которыми должен обладать студент



п/п



Исходный уровень компетенций, знаний и умений, которыми должен обладать студент, приступая к изучению данной дисциплины



ОК- 3
ОК–6



способен принимать организационно-управленческие решения и готов нести за них ответственность, в том числе в нестандартных ситуациях (ОК- 3);

владеет навыками публичной и научной речи (ОК- 6);



Цель преподавания дисциплины



цель курса – сформировать у студентов системное представление о технологиях интеллектуального анализа данных (Data Mining), их применении и инструментах.

Задачи изучения дисциплины:



В результате изучения дисциплины студент должен:

Средства обеспечения освоения дисциплины



При изучении дисциплины рекомендуется использовать следующие средства:

− рекомендуемую основную и дополнительную литературу;

− методические указания и пособия;

− контрольные задания для закрепления теоретического материала;

− электронные версии учебников и методических указаний для выполнения практических работ и СРС.

Формы работы студентов.



Формы работы студентов: лекционные занятия, написание курсовых работ, эссе, рефератов, выполнение контрольных работ;

Дисциплина «Интеллектуальный анализ данных» разбита на модули, представляющие собой логически завершенные части курса и являющиеся теми комплексами знаний и умений, которые подлежат контролю.

Контроль освоения модулей включает в себя выполнение письменных контрольных работ, предусмотренных рабочей программой дисциплины.

В конце семестра проводится контрольное мероприятие, включающее контроль последнего модуля для всех студентов и контроль, который проходят обязательно те студенты, которые имеют задолженность по прошлым модулям, а также те, кто желает улучшить свой рейтинг.

Для максимального усвоения дисциплины рекомендуется проведение письменного опроса (тестирование, решение задач) студентов по материалам лекций и практических работ. Подборка вопросов для тестирования осуществляется на основе изученного теоретического материала. Такой подход позволяет повысить мотивацию студентов при конспектировании лекционного материала.

В курсе используются классические аудиторные методы для всех занятий. Лекционная и внеаудиторная работа студентов получает свое практическое завершение на семинаре (лабораторной работе).

На семинарских (лабораторных) занятиях предполагается рассмотреть наиболее важные, существенные, сложные вопросы, которые, как свидетельствует преподавательская практика, наиболее трудно усваиваются студентами.

В качестве организованной самостоятельной работы студента рекомендуется использовать написание рефератов по выбранной заранее тематике.

При написании реферата студент должен в соответствии с требованиями к оформлению работ сформулировать проблему, актуальность, поставить цель и задачи исследования, сделать самостоятельный вывод о состоянии и путях решения заданной проблемы.

Формирование результирующей оценки



Формирование итоговой оценки по дисциплине осуществляется в соответствии с Положением о бально-рейтинговой системе оценки успеваемости студентов. Положение о бально-рейтинговой системе оценки успеваемости находится на сайте ВолГУ по адресу: http://new.volsu.ru/Student/LawDocs/

Распределение баллов по дисциплине «Интеллектуальный анализ данных»



6 лабораторных работ x 7 баллов = 42балла

17 посещений x 0,5 баллов =8 баллов

3 контрольные работы x 10 баллов=30 баллов

1 вопрос по теории - 2 балла

Тесты по темам контрольной работы – 3 балла

1 задача – 5 баллов
ИТОГО: 80

Премиальные баллы




10 баллов

6 лабораторных работ x 1 балл = 6 баллов
индивидуальное задание = 15 баллов

ИТОГО: 31

ИТОГО: 80+31=111

Формируемые компетенции.



п/п



Компетенции, формируемые в результате освоения дисциплины



ОК - 1
ОК – 2

ОК – 5



способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень (ОК- 1);

способен к самостоятельному освоению новых методов исследования, изменению научного и научно-производственного профиля своей профессиональной деятельности (ОК-2)

способность к творческой адаптации к конкретным условиям выполняемых задач и их инновационным решениям (ОК -5);


ПК – 3
ПК -10



применять методы системного анализа и моделирования для анализа архитектуры предприятий (ПК-3);

проводить исследования и поиск новых моделей и методов совершенствования архитектуры предприятия (ПК-10);



II

. Структура изучения дисциплины



Всего часов

108

В.ч.




Аудиторных занятий

51

Из них лекций

17

семинарских/практических занятий




лабораторных занятий

34

практикумов




Самостоятельных занятий

57

изучение основной и дополнительной литературы

50

написание курсовых работ, эссе, рефератов,

23

выполнение письменных домашних заданий, расчетов, проектов

10

выполнение контрольных работ, тестов

10

Подготовка к экзамену, экзамен





Другие пояснения автора



Обучение людей с ограниченными возможностями здоровья, их социальная адаптация – один из приоритетных вопросов российского образования. Законодательство Российской Федерации в соответствии с основополагающими международными документами в области образования предусматривает принцип равных прав на образование для детей данной категории.

В рамках изучения курса предоставляются условия для обеспечения процесса обучения людей с ограниченными возможностями. В частности возможности дистанционного обучения через использование ПТК УМКА. Индивидуальные консультации с использованием сети «Интернет».

В процессе обучения будут использоваться информационные, образовательные и компенсационные технологии. Главная задача состоит в том, чтобы в рамках изучения курса люди с ограниченными возможностями смогли раскрыть свой интеллектуальный потенциал в рамках образовательной деятельности, почувствовать себя полноправными членами общества, а также повысить свой уровень жизни.

III

. Тематический план изучения дисциплины



«Интеллектуальный анализ данных»




Тема

Содержание


Вид занятий

Форма занятий

Коли-чество часов

Форма контроля


Модуль 1.


1. Анализ данных в системах поддержки принятия решений.


Задачи СППР. Архитектура СППР. Базы данных в СППР. Требования к данным.

Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа №1
Изучение дополнительной литературы

Подготовка к лабораторной работе

2
4

3

2



Контрольный опрос и защита лабораторной работы

2

.

Хранилище данных



Концепция хранилища данных. Свойства хранилищ данных (предметная ориентация, интеграция, поддержка хронологии, неизменяемость). Физические и виртуальные хранилища данных. Проблемы создания хранилищ данных. Организация хранилищ данных. Очистка данных. Показатели и документы

Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа № 2
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

2
4

3

2

Письменный опрос в конце лекции (5-10 мин)

Контрольный опрос и защита лабораторной работы

3.

OLAP

-системы



Многомерная модель данных. Определение OLAP-систем. Концептуальное многомерное представление. Двенадцать правил Кодда. Дополнительные правила Кодда. Тест FASMI. Архитектура OLAP-систем. MOLAP-серверы. ROLAP-серверы. HOLAP-серверы.

Контрольная работа по 1 модулю


Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа № 3
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

Написание реферата по теме

Подготовка к контрольной работе по 1 модулю

4
4

3

2
5
5

Письменный опрос в конце лекции (5-10 мин)

Контрольный опрос и защита лабораторной работы

Модуль 2



4. Интел-лектуальный анализ данных (

Data

Mining

)




Свойства знаний. Сравнение статистик, машинного обучения и Data Mining. Классификация задач Data Mining. Сферы применения Data Mining. Процесс Data Mining: анализ предметной области, постановка задачи, подготовка данных, построение модели, проверка и оценка моделей, выбор модели, применение модели, коррекция и обновление модели.

Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа № 3
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

Написание реферата по теме


2
6

3

2
5

Письменный опрос в конце лекции (5-10 мин)

Контрольный опрос и защита лабораторной работы

5. Задачи и методы интел-лектуального анализа данных



Классификация и кластеризация. Прогнозирование и визуализация. Методы прогнозирования и классификации: деревья решений, метод опорных векторов, метод «ближайшего соседа», нейронные сети. Методы кластерного анализа.

Контрольная работа по 2 модулю

Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа № 3
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

Написание реферата по теме

4
6

6

4
10

Письменный опрос в конце лекции (5-10 мин)

Контрольный опрос и защита лабораторной работы

Модуль 3



6.

Стандарты

Data

Mining




Стандарт CWM: назначение, структура и состав. Стандарт CRISP: структура, фазы и задачи. Стандарт PMML. Стандарт OLE DB для Data Mining.

Аудиторные
Самостоятель-ные

Лекции

Лабораторная работа № 5
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

Написание реферата по теме

2

4

3

2
5

Письменный опрос в конце лекции (5-10 мин)
Контрольный опрос и защита лабораторной работы

7.

Инструменты

Data

Mining




Поставщики Data Mining. Классификация инструментов. Программное обеспечение Data Mining для поиска ассоциативных правил. Программное обеспечение для решения задач кластеризации и сегментации. Программное обеспечение для решения задач классификации. Программное обеспечение Data Mining для решения задач оценивания и прогнозирования.

Контрольная работа по 3 модулю

Аудиторные

Самостоятель-ные

Лекции
Лабораторная работа № 6
Изучение базовой и дополнительной литературы

Подготовка к лабораторной работе

Подготовка к контрольной работе по 3 модулю

Подготовка к экзамену

1
6

3

2
6

0

Письменный опрос в конце лекции (5-10 мин)

Контрольный опрос по вопросам лабораторной работы

Зачет по итогам работы в семестре



Формы рубежного контроля



Оценка работы студента в рейтинговых баллах по дисциплине

«Интеллектуальный анализ данных».


п/п



Вид контроля успеваемости



Максимальное количество баллов



Раздел

I



Текущий семестровый контроль (60 баллов)






Контрольная работа (3)

60

Раздел

II



Дополнительные баллы (15 баллов)






Контроль за посещением теоретических занятий в течение семестра

1-10




Реферативное сообщение (2)

1-25

Экзамен (40 баллов)




IV

. Учебно-методическое обеспечение



Базовые учебники



1. Паклин, Н. Б.  Орешков, В. И.  Бизнес-аналитика : от данных к знаниям /Н.Б. Паклин, В.И. Орешков – СПб.: Питер, 2010. – 624 с. (3 экз НБ ВолГУ)

2. Кулаичев, А. П. Методы и средства комплексного анализа данных /А.П. Кулаичев. – М.: Инфра-М, 2010. – 512 с. (20 экз НБ ВолГУ)

3. Петрова, Е.А. Интеллектуальный анализ данных: статистические методы [Электронный ресурс]/Е.А. Петрова, А.В. Шевандрин, А.А. Трухляева – Волгоград: Консалт, 2013. – 240 с.

Дополнительная литература




  1. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. – СПб.: БХВ-Петербург, 2004

  2. Барсегян А.А., Куприянов М.С.. Степаненко В.В., Холод И.И. Технологии анализа данных : Data Mining, Visual Mining, Text Mining, OLAP- СПб.: БХВ-Петербург, 2008

  3. Елманова Н., Федоров А. Введение в OLAP-технологии Microsoft – М.:Диалог-МИФИ, 2002

  4. Каплан, А. В. Каплан, В. Е. Статистическая обработка и анализ экономических данных /А.В. Каплан, В.Е. Каплан – Ростов-на-Дону: Феникс, 2007. – 330 с.

  5. Макленнен Дж., Танг Ч., Криват Б. Microsoft SQL Server 2008: Data Mining - интеллектуальный анализ данных – М.: BHV, 2009

  6. Чубукова И.А. Data Mining. Учебное пособие – М.: Изд-во «Интернет-университет информационных технологий – ИНТУИТ.ру, 2006


Библиотечные фонды ВолГУ

-электронная библиотечная система

ZNANIUM

.

COM

.



Одновременный доступ к Электронно-библиотечной системе на платформе ЭБС ZNANIUM.COM: 3600 (три тысячи шестьсот) пользователей.

-электронная библиотечная система Айбукс.ру/

ibooks

.

ru

.



Одновременный доступ к Электронно-библиотечной системе Айбукс.ру/ibooks.ru: пароли и логины предоставляются для всех студентов ВолГУ с любого компьютера, подключенного к сети Интернет.

-электронный научный информационный ресурс зарубежного издательства

Springer

.



На платформе: http://link.springer.com. Одновременный доступ к Электронно-библиотечной системе Springer с любого компьютера, подключенного к локальной сети ВолГУ. Количество ключей не ограничено.

Научно-электронная библиотека

eLIBRARY

.

RU



Интегрированный научно-информационный ресурс по адресам: elibrary.ru и scienceindex.ru. Одновременный доступ к Электронно-библиотечной системе

eLIBRARY

.

RU

с любого компьютера, подключенного к сети Интернет. Количество ключей не ограничено.

Электронное издание базы даных

Polpred

.

com



Количество ключей – 10000.

V. Контрольные вопросы.



  1. СППР: задачи, архитектура, источник данных.

  2. Хранилища данных: концепция, свойства, классификация.

  3. Создание хранилищ данных

  4. Многомерная модель данных. Правила Кодда.

  5. Определение OLAP-систем. Архитектура OLAP. Тест FASMI

  6. MOLAP-серверы. ROLAP-серверы. HOLAP-серверы.

  7. Сравнение статистик, машинного обучения и Data Mining. Классификация задач Data Mining. Сферы применения Data Mining.

  8. Процесс Data Mining

  9. Задачи интеллектуального анализа данных. Классификация и кластеризация

  10. Задачи интеллектуального анализа данных. Прогнозирование и визуализация

  11. Методы прогнозирования и классификации: деревья решений

  12. Методы прогнозирования и классификации: метод опорных векторов

  13. Методы прогнозирования и классификации: метод «ближайшего соседа»

  14. Методы прогнозирования и классификации: нейронные сети.

  15. Методы кластерного анализа.

  16. Стандарт CWM: назначение, структура и состав.

  17. Стандарт CRISP: структура, фазы и задачи.

  18. Стандарт PMML.

  19. Стандарт OLE DB для Data Mining.

  20. Поставщики Data Mining. Классификация инструментов.

  21. Программное обеспечение Data Mining для поиска ассоциативных правил.

  22. Программное обеспечение для решения задач кластеризации и сегментации.

  23. Программное обеспечение для решения задач классификации.

  24. Программное обеспечение Data Mining для решения задач оценивания и прогнозирования.


Электронные ресурсы:



  1. Аналитический сайт бизнес-планирования / - Доступно из URL: http://www.finanalis.ru

  2. «Планета КИС». Информационно-аналитический сайт специалистов области ИТ / - Доступно из URL: http://www.russianenterprisesolutons.com

  3. Информационный сайт Дальневосточных информационных ресурсов «Форпост»/ - Доступно из URL: http://www.farpost.ru

  4. Бизнес портал инвестиций и бизнес-планования/ - Доступно из URL: http://www.bportal.ru

  5. Информационный бюллетень / - Доступно из URL: http://www.jetinfo.ru

  6. Информационно аналитический сайт области информационных технологий CNews / - Доступно из URL: http://www.cnews.ru

  7. Информационно аналитический сайт области информационных технологий «Citforum»/ -Доступно из URL: http://www.citforum.ru

  8. Слиньков Д. Бизнес моделирование для внедрения ИСУ предприятия.[Электронный ресурс] / Б. Слиньков - Доступно из URL: http://www.cfin.ru

  9. Боровко Р. Пользователи Интернета в России [Электронный ресурс] / Р. Боровко // Обзор CNews Analitics - Доступно из URL: http://www.cnews.ru

  10. Эксплуатация ИС как элемент стратегии развития бизнеса [Электронный ресурс] / «Планета КИС» / - Доступно из URL: http://www.russianenterprisesolutons.com

  11. Антончук С. HP Software Universe об управлении ИТ-инфраструктурой [Электронный ресурс] / С. Антончук // Электронная версия журнала ComputerWorld. - 2003. - 4 (397) 29. - Доступно из URL: http://comizdat.com

  12. Пример бизнес-плана .[Электронный ресурс] / Российское Агентство поддержки малого и среднего бизнеса. Доступно из URL: http://www.siora.ru

  13. Пономарев В. ИТ-менеджеры и ИТ-специалисты - единство противоположностей [Электронный ресурс] / В. Пономарев // «Планета КИС» - Доступно из URL: http://www.russianenterprisesolutons.com

  14. Настоящий вычислительный центр [Электронный ресурс] // Публикации «Jetinfo» - Доступно из URL: http://www.jetinfo.ru


Учебно-методический комплекс по дисциплине

«

Интеллектуальный анализ данных

»



Учебно-методический комплекс по дисциплине «Теория экономических информационных систем» находится в ПТК «УМКа» на сайте Волгоградского государсвенного университета. Режим доступа – http://umka.volsu.ru/newumka2
Приложение 1

Использование в учебном процессе активных и интерактивных форм проведения занятий






Предусмотрено учебным планом

из них интерактивные методы

Итого интерактивные методы, час

% интерактивных методов

Диску-ссия

Опрос студен-тов

Разбор проблемной ситуации

Работа в малой группе

Компьютерная сумуля-ция







Модуль 1
























1. Анализ данных в системах поддержки принятия решений.


6

2













2

33,3

2. Хранилище данных

6







2







2

33,3

3. OLAP-системы

8




2







2

4

50

всего



20



2



2



2






2



8



40



Модуль 2

























4. Интел-лектуальный анализ данных (Data Mining)

8

2







2

2

6

75

5. Задачи и методы интел-лектуального анализа данных

10







2




2

4

40

всего



18



2






2



2



4



10



55,5



Модуль 3

























6. Стандарты Data Mining

6










2

2

4

66,6

7. Инструменты Data Mining


7













2

2

28,5

всего



13












2



4



6



85,7



Итого



51



4



2



4



4



10



24



47




Приложение 2



Фонд оценочных средств


1. Цели и задачи дисциплины «Интеллектуальный анализ данных»



Цель преподавания дисциплины



цель курса – сформировать у студентов системное представление о технологиях интеллектуального анализа данных (Data Mining), их применении и инструментах.

Задачи изучения дисциплины:



В результате изучения дисциплины студент должен:

Средства обеспечения освоения дисциплины



При изучении дисциплины рекомендуется использовать следующие средства:

− рекомендуемую основную и дополнительную литературу;

− методические указания и пособия;

− контрольные задания для закрепления теоретического материала;

− электронные версии учебников и методических указаний для выполнения практических работ и СРС.

Формы работы студентов.



Формы работы студентов: лекционные занятия, написание курсовых работ, эссе, рефератов, выполнение контрольных работ;

Дисциплина «Интеллектуальный анализ данных» разбита на модули, представляющие собой логически завершенные части курса и являющиеся теми комплексами знаний и умений, которые подлежат контролю.

Контроль освоения модулей включает в себя выполнение письменных контрольных работ, предусмотренных рабочей программой дисциплины. В конце семестра проводится контрольное мероприятие, включающее контроль последнего модуля для всех студентов и контроль, который проходят обязательно те студенты, которые имеют задолженность по прошлым модулям, а также те, кто желает улучшить свой рейтинг.

Для максимального усвоения дисциплины рекомендуется проведение письменного опроса (тестирование, решение задач) студентов по материалам лекций и практических работ. Подборка вопросов для тестирования осуществляется на основе изученного теоретического материала. Такой подход позволяет повысить мотивацию студентов при конспектировании лекционного материала.

В курсе используются классические аудиторные методы для всех занятий. Лекционная и внеаудиторная работа студентов получает свое практическое завершение на семинаре (лабораторной работе).

На семинарских (лабораторных) занятиях предполагается рассмотреть наиболее важные, существенные, сложные вопросы, которые, как свидетельствует преподавательская практика, наиболее трудно усваиваются студентами.

В качестве организованной самостоятельной работы студента рекомендуется использовать написание рефератов по выбранной заранее тематике.

При написании реферата студент должен в соответствии с требованиями к оформлению работ сформулировать проблему, актуальность, поставить цель и задачи исследования, сделать самостоятельный вывод о состоянии и путях решения заданной проблемы.

Формирование результирующей оценки



Формирование итоговой оценки по дисциплине осуществляется в соответствии с Положением о бально-рейтинговой системе оценки успеваемости студентов. Положение о бально-рейтинговой системе оценки успеваемости находится на сайте ВолГУ по адресу: http://new.volsu.ru/Student/LawDocs/

Распределение баллов по дисциплине «Интеллектуальный анализ данных»



6 лабораторных работ x 7 баллов = 42балла

17 посещений x 0,5 баллов =8 баллов

3 контрольные работы x 10 баллов=30 баллов

1 вопрос по теории - 2 балла

Тесты по темам контрольной работы – 3 балла

1 задача – 5 баллов
ИТОГО: 80


Премиальные баллы




10 баллов

6 лабораторных работ x 1 балл = 6 баллов
индивидуальное задание = 15 баллов

ИТОГО: 31

ИТОГО: 80+31=111



2. Оценка уровня сформированности компетенций




Результаты обучения



(

Компетенции ФГОС)



Компоненты результатов обучения



Форма оценочного средства



Ступени уровней освоения компетенции



ОК - 1


ОК – 2




способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень
способен к самостоятельному освоению новых методов исследования, изменению научного и научно-производственного профиля своей профессиональной деятельности

Знать:

основные категории дисциплины, виды и инструменты решения практических профессиональных задач в области интеллектуального анализа данных, понимать основные тенденции развития анализа данных

Уметь

: применять понятийно- категориальный аппарат дисциплины, выявлять тенденции развития интеллектуального анализа данных

Владеть

: навыками применения понятийного аппарата, владеть навыками определения решения практических профессиональных задач в области интеллектуального анализа данных, владеть навыками анализа тенденций ИАД

экзамен, подготовка реферата по темам дисциплины, подготовка презентаций к лабораторным занятиям, подготовка индивидуальных заданий по дисциплинам

Пороговый уровень


• владеть развитыми учебными навыками и готовностью к продолжению образования;

• владеть логикой, необходимой для формирования решений по соответствующим профессиональным проблемам.

Повышенный уровень


• иметь глубокие знания базовых дисциплин и проявлять высокую степень их понимания, знать и уметь использовать на соответствующем уровне (повышенном, продвинутом):

• демонстрировать понимание основных тенденций развития интеллектуального анализа данных;

• демонстрировать способность к абстракции, в том числе умение логически развивать отдельные формальные теории и устанавливать связь между ними;

• обладать способностью к применению на практике, в том числе умением составлять модели планирования типовых профессиональных задач и находить способы их решений; интерпретировать профессиональный (физический) смысл полученного аналитического результата.

ОК – 5



способность к творческой адаптации к конкретным условиям выполняемых задач и их инновационным решениям

Знать:

основные категории дисциплины, виды и инструменты решения практических профессиональных задач в области интеллектуального анализа данных, знать основные источники информации интеллектуального анализа данных, возможности применения методов ИАД в профессиональной деятельности

Уметь

: применять понятийно- категориальный аппарат дисциплины, выявлять тенденции развития интеллектуального анализа данных, определять перспективные области применения методов ИАД в решении практических задач профессиональной оьласти

Владеть

: навыками применения понятийного аппарата, владеть навыками определения решения практических профессиональных задач в области интеллектуального анализа данных, владеть навыками анализа тенденций ИАД

экзамен, подготовка реферата по темам дисциплины, подготовка презентаций к лабораторным занятиям, подготовка индивидуальных заданий по дисциплинам

Пороговый уровень



• владеть развитыми учебными навыками и готовностью к продолжению образования;

• владеть логикой, необходимой для формирования решений по соответствующим профессиональным проблемам.

Повышенный уровень



• иметь глубокие знания базовых дисциплин и проявлять высокую степень их понимания, знать и уметь использовать на соответствующем уровне (повышенном, продвинутом):

• демонстрировать понимание основных тенденций развития интеллектуального анализа данных;

• демонстрировать способность к абстракции, в том числе умение логически развивать отдельные формальные теории и устанавливать связь между ними;

• обладать способностью к применению на практике, в том числе умением составлять модели планирования типовых профессиональных задач и находить способы их решений; интерпретировать профессиональный (физический) смысл полученного аналитического результата.

ПК – 3


ПК -10



применять методы системного анализа и моделирования для анализа архитектуры предприятий
проводить исследования и поиск новых моделей и методов совершенствования архитектуры предприятия

Знать:

основные категории дисциплины, виды и инструменты моделирования при решении практических профессиональных задач для анализа архитектуры предприятия, знать основные источники информации интеллектуального анализа данных, возможности применения методов ИАД при анализе и совершенствовании архитектуры предприятия

Уметь

: применять понятийно- категориальный аппарат дисциплины, определять перспективные области применения методов ИАД в решении практических задач при анализе и совершенствовании архитектуры предприятия

Владеть

: навыками применения понятийного аппарата, владеть навыками определения решения практических профессиональных задач в области анализа и совершенствования архитектуры предприятия, владеть навыками анализа тенденций совершенствования архитектуры предприятия

экзамен, подготовка реферата по темам дисциплины, подготовка презентаций к лабораторным занятиям, подготовка индивидуальных заданий по дисциплинам

Пороговый уровень



• владеть развитыми учебными навыками и готовностью к продолжению образования;

• владеть логикой, необходимой для формирования решений по соответствующим профессиональным проблемам.

Повышенный уровень



• иметь глубокие знания базовых дисциплин и проявлять высокую степень их понимания, знать и уметь использовать на соответствующем уровне (повышенном, продвинутом):

• демонстрировать понимание основных тенденций развития интеллектуального анализа данных;

• демонстрировать способность к абстракции, в том числе умение логически развивать отдельные формальные теории и устанавливать связь между ними;

• обладать способностью к применению на практике, в том числе умением составлять модели планирования типовых профессиональных задач и находить способы их решений; интерпретировать профессиональный (физический) смысл полученного аналитического результата.



3. Критерии оценок знаний студентов


Итоговой формой контроля по дисциплине «Интеллектуальный анализ данных» для направления 080500 Бизнес-информатика является дифференцированный зачет. На зачете оцениваются теоретические знания по дисциплине и практическое применение этих знаний при решении основных задач интеллектуального анализа данных.


etimologicheskij-slovar-russkogo-yazika-russkij-yazik-ot-a-do-ya-izdatelstvo-yunves-stranica-29.html
etimologicheskij-slovar-russkogo-yazika-russkij-yazik-ot-a-do-ya-izdatelstvo-yunves-stranica-3.html
etimologicheskij-slovar-russkogo-yazika-russkij-yazik-ot-a-do-ya-izdatelstvo-yunves-stranica-33.html
etimologicheskij-slovar-russkogo-yazika-russkij-yazik-ot-a-do-ya-izdatelstvo-yunves-stranica-34.html
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат
Реферат