Інтелектуальний аналіз та візуалізація даних

Спеціальність: Комп'ютерні науки (Системи штучного інтелекту)
Код дисципліни: 6.122.13.O.027
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Виклюк Я.І.
Семестр: 5 семестр
Форма навчання: денна
Мета вивчення дисципліни: Метою викладання навчальної дисципліни «Інтелектуальний аналіз даних» є надання знань про різноманітні методи попередньої обробки даних та їх подальшого аналізу для передавання в системи прийняття відповідних математично обґрунтованих рішень.
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей: загальні компетентності (ЗК): ЗК6. Уміння застосовувати знання в практичних ситуаціях; фахові компетентності (ФК): ФК1. Здатність застосовувати базові знання з фундаментальних наук: математики, фізики, електроніки для вирішення типових задач спеціальності; ФК5. Здатність застосовувати знання математичних методів аналізу та синтезу складних об’єктів та систем із застосуванням сучасних методів інформаційних технологій; фахові компетентності спеціалізації (ФКС): Для лінії систем штучного інтелекту ФКС1. Здатність формулювати нові гіпотези, шукати та візуалізувати приховані залежності даних, використовуючи методи штучного інтелекту; ФКС2. Здатність ефективно вибирати належні напрями і відповідні методи для розв’язування задач в області інформаційних технологій та штучного інтелекту;
Результати навчання: Здатність продемонструвати знання і розуміння наукових і математичних принципів, що лежать в основі інформаційних технологій; Здатність продемонструвати знання основ професійно-орієнтованих дисциплін спеціальності: методів та засобів сучасних інформаційних технологій, комп’ютерної техніки та сучасних технологій проектування та програмування інформаційних систем, математичних методів аналізу та синтезу складних об’єктів, методів збору, обробки, аналізу, систематизації та зберігання науково-технічної інформації, методів та засобів розподілених систем та паралельних обчислень, принципів і методів побудови та застосування комп’ютерних мереж, принципів web-технологій та методів і засобів їх використання для вирішення задач спеціальності; Здатність продемонструвати поглиблені знання принаймні в одній з областей інформаційних технологій;
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни: Прикладне програмування Математичний аналіз Супутні і наступні навчальні дисципліни: Візуалізація даних Машинне навчання
Короткий зміст навчальної програми: Навчальна дисципліна Інтелектуальний аналіз даних є складовою циклу професійної підготовки фахівців першого бакалаврського рівня освіти. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей систем збору, обробки та використання результатів їх аналізу для прийняття оптимальних, математично обґрунтованих рішень, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, орієнтованої на дослідження й розв’язання складних задач проектування та розроблення різних систем штучного інтелекту для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: Загальні поняття про дані. Вимірювання та шкалювання Методи NumPy та SciPy як засоби інтелектуального аналізу даних Методи Pandas як засіб інтелектуального аналізу даних Географічне подання даних. Geopandas та динамічні географічні карти Методи SciKit-learn як засоби інтелектуального аналізу даних Методи Tensorflow та keras як засоби інтелектуального аналізу даних Стратегія Інтелектуального аналізу даних ML Стратегія Інтелектуального аналізу даних Deep Learning Візуальний аналіз даних за допомогою Orange. Кластеризація та класифікація в Orange Методи мурашиного рою Клітинні автомати Моделювання неперервних подій Моделювання Covid-19 засобами Python Інтелектуальний аналіз за допомогою хмарних симуляторів та паралельних розрахунків.
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист. 2. Написання контрольних робіт. 3. Написання розрахунково-графічної роботи 4. Екзамен.
Критерії оцінювання результатів навчання: Лабораторна робота, Практична робота, Розрахунково-графічна робота - 40 балів Іспит, Усна компонента - 60 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: Марченко О.О. Актуальні проблеми Data Mining: Навчальний посібник для студентів факультету комп’ютерних наук та кібернетики / О.О. Марченко, Т.В. Россада. — Київ. — 2017. — 150 с. Бахрушин В.Є. Методи аналізу даних : навчальний посібник для студентів / В.Є. Бахрушин. – Запоріжжя : КПУ, 2011. – 268 с. Василик, О. І. Лекції з теорії і методів вибіркових обстежень : навчальний посібник / О. І. Василик, Т. О. Яковенко. – К. : Видавничо-поліграфічний центр "Київський університет", 2010. – 208 с. Згуровський М.З. Основи системного аналізу / М.З. Згуровський, Н.Д. Панкратова –К : Видавнича група BHV, 2007.-544с. Пономаренко В. С. П56 Багатовимірний аналіз соціально-економічних систем : навчальний посібник / В. С. Пономаренко, Л. М. Малярець. – Харків : Вид. ХНЕУ, 2009. – 384 с. (Укр. мов.)
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою: вул. Карпінського, 2/4, І-й н.к., кімн. 112 E-mail: nolimits@lpnu.ua Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).