Інтелектуальний аналіз даних туристичної галузі
Спеціальність: Туризмознавство
Код дисципліни: 7.242.01.E.018
Кількість кредитів: 5.00
Кафедра: Екологічна безпека та природоохоронна діяльність
Лектор: О.Н. Кузь, к.т.н., доц.
Семестр: 2 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
загальні компетентності:
- уміння проводити дослідження на відповідному рівні, мати дослідницькі навички, що виявляються у здатності формувати (роблячи презентації, або представляючи звіти) нові продукти в обраній галузі, вибирати належні напрями і відповідні методи для їх реалізації, беручи до уваги наявні ресурси;
- навички використання інформаційних та комунікаційних технологій, впровадження комп’ютерних програм та використання існуючих;
фахові компетентності:
- здатність використовувати методи наукових досліджень у сфері туризму та рекреації;
- здатність аналізувати геопросторову організацію туристичного процесу і проектувати її розвиток на мзасадах сталості;
- уміння досліджувати сучасні тенденції розвитку світового ринку туристичних послуг, динаміку та структуру міжнародних туристичних потоків, виділяти та оцінювати їх якісні характеристики;
- здатність здійснювати інтелектуальний аналіз даних у туристичній галузі.
Результати навчання: Студент повинен знати: основні поняття та визначення інтелектуальної обробки даних; основні методи побудови моделей для виявлення залежностей у великих масивах даних; сучаснi програмнi засоби для інтелектуального аналізу даних у туристичній галузі; критерiї порiвняння моделей i методiв інтелектуальної обробки даних; елементи теорії штучних нейромереж; відмінності між звичайними та інтелектуальними системами.
Студент повинен вміти: порівнювати методи та моделі інтелектуального аналізу даних; здійснювати вибiр конкретного типу моделi та методу інтелектуальної обробки даних при вирiшеннi практичних задач туристичної галузі; використовувати сучаснi програмнi засоби для інтелектуального аналізу даних туристичної галузі; вирішувати задачі групування, класифікації та аналізу даних у туристичній галузі; аналiзувати результати застосування програмних засобів для інтелектуальної обробки даних при вирiшеннi прикладних задач галузі туризму.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Інформатика, статистика в туристичній галузі, вища математика (попередні дисципліни).
Короткий зміст навчальної програми: Вступ до інтелектуального аналізу даних у туристичній галузі. Основні терміни та особливості ІАД. Основні етапи інтелектуальної обробки даних. Завдання ІОД. Попередня обробка даних. Накопичення даних. Типові процедури опрацювання даних. Нормалізація min/max. Стандартизація даних. Моделі інтелектуальної обробки даних. Регресійний аналіз. Наближення функції за методом найменших квадратів. Задача групування даних (кластеризації даних). Алгоритм k-середніх для групування даних. Міра якості групування. Асоціативні правила. Задача класифікації даних. Байєсівський наївний класифікатор. Метод найближчого сусіда, метод взірців, метод k найближчих сусідів. Штучні нейронні мережі. Загальна модель нейрона. Функція активації. Одношарові та двошарові нейронні мережі. Мережі Кохонена (мережі, що самоорганізовуються). Використання нейронних мереж для кластеризації даних. Дерева рішень. Класифікаційні і регресійні дерева. Алгоритм CART. Алгоритм С4.5. Огляд програмних засобів інтелектуального аналізу даних. Перспективи використання методів та засобів інтелектуальної обробки даних у туристичній галузі.
Опис: На лекціях та лабораторних заняттях з дисципліни «Інтелектуальний аналіз даних туристичної галузі» розглядаються теми, актуальні для фахівців у галузі сфери обслуговування, зокрема туристичного. Вивчаються не лише теоретичні основи, моделі і методи інтелектуального аналізу даних, але й практичні аспекти їх застосування у туризмі. Аналізуються програмні засоби інтелектуального аналізу даних та формуються навички їх використання у професійній діяльності майбутніх фахівців з туризму.
Методи та критерії оцінювання: Поточний контроль (40%) – лабораторні заняття, усне опитування. Підсумковий контроль (60%) - іспит.
Критерії оцінювання результатів навчання: Лабораторні роботи: 7 робіт – вчасне виконання роботи та успішний захист – 5 бали;
виконання роботи та успішний захист – 4 бали;
виконання роботи та не достатнє висвітлення питань на захисті – 3 бали;
виконання роботи – 2-1 бал.
Тести: 8 тестів за темами по 2 питання - вірна відповідь – 0,5 бала;
невірна відповідь – 0 балів;
Екзаменаційний контроль: письмова компонента – 43 бали;
усна компонента – 10 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: 1. Барсегян, А. А. Анализ данных и процессов: учеб. пособие / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. — 3-е изд., перераб. и доп. — СПб.: БХВ-Петербург, 2009. — 512 с.: ил. + CD-ROM — (Учебная литература для вузов)
2. Data mining: пошук знань в даних [Текст] : [підруч. для студентів, інженерів і фахівців у сфера інтелект. аналізу даних] / Гладун А. Я., Рогушина Ю. В. – Київ , 2016. – 451 с.
3. Чубукова И. А. Data Mining/ Чубукова И. А. - М: Бином. Лаборатория знаний, 2008. - 384 с.
4. Барсегян А. А. Методы и модели анализа данных: OLAP и Data Mining / А. А. Барсегян, М. С. Куприянов, В. В. Степаненко та ін. – 2-е изд., перераб. и доп. – СПб. : БХВ-Петербург, 2004. – 336 с.
5. Дюк В. "Data Mining" : учебный курс / В. Дюк, А. Самойленко. – СПб. : Питер, 2001. – 368 с.
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).