Методи прогнозування на великих даних
Спеціальність: Комп'ютерні науки
Код дисципліни: 8.122.00.M.38
Кількість кредитів: 4.00
Кафедра: Інформаційні технології видавничої справи
Лектор: д.т.н., професор Ткаченко Роман Олексійович
Семестр: 4 семестр
Форма навчання: денна
Результати навчання: 1. Аргументувати вибір методів розв’язування науково-прикладної задачі, критично оцінювати отримані результати та захищати прийняті рішення.
2. Уміння спілкуватись діловою науковою та професійною мовою, застосовувати різні стилі мовлення, методи і прийоми спілкування, демонструвати широкий науковий та професійний словниковий запас.
3. Уміння представляти та обговорювати отримані результати та здійснювати трансфер набутих знань.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити
• Методи аналізу та оптимізації складних систем.
• Системи штучного інтелекту.
Короткий зміст навчальної програми: Поняття великих даних, причини, джерела та наслідки.
Зберігання великих даних. Ознаки великих даних – принцип 3V.
Економічний потенціал великих даних для різних галузей.
Типи даних. Структуровані і неструктуровані дані. Нормування даних.
Виділення кластерів даних. Методи. Застосування кластерів.
Ущільнення даних. Методи. Ущільнення з втратами і без втрат інформації.
Аналітика великих даних. Методи.
Швидкісні нейромережі МГП.
Методи та критерії оцінювання: виконання завдань на практичних заняттях (40%)
підсумковий контроль (екзамен): письмово-усна форма (60%)
Рекомендована література: 1. Про основні засади розвитку інформаційного суспільства в Україні на 2007– 2015 роки: Закон України від 9 січн. 2007 р. № 537– V. – Відомості Верховної Ради України. – 2007. –№ 12. – С. 102.
2. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / В. М. Шенбергер, К. Кукьер; пер. с англ. Инны Гайдюк. – М.: Манн, Иванов и Фербер, 2014. – 240 с.
3. Сетевая экономика: учебное пособие / В. Н. Клюковкин, Н. В. Морозова, Л. М. Куимова; Алт. гос. техн. Ун-т, БТИ. – Бийск: Изд-во Алт. гос. техн. ун-та, 2008. – 117 с.
4. Lynch C. How do your data grow? / C. Lynch // Nature. – 2008. – V. 455. №7209.– P. 28-29.
5. Han J. Data Mining: Concepts and Techniques (Second Edition) / J. Han, M. Kamber – Morgan Kaufmann Publishers, 2006. – 800 p.
6. Witten, I. H. Data mining : practical machine learning tools and techniques. / Ian H. Witten, Frank Eibe, Mark A. Hall. – 3rd ed. – Morgan Kaufmann Publishers, 2011. – 630 p.