Методи прогнозування на великих даних
Спеціальність: Комп'ютерні науки
Код дисципліни: 8.122.00.M.027
Кількість кредитів: 3.00
Кафедра: Системи штучного інтелекту
Лектор: Шаховська Н.Б.
Семестр: 4 семестр
Форма навчання: денна
Результати навчання: • Систематичні знання сучасних методів проведення досліджень в галузі комп’ютерних нак та інформаційних технологій, а також в суміжних галузях.
• Критичний аналіз, оцінка і синтез нових ідей.
• Здатність ініціювати та проводити оригінальні наукові дослідження, ідентифікувати актуальні наукові проблеми, здійснювати пошук та критичне аналізування інформації, продукувати інноваційні конструктивні ідеї та застосовувати нестандартні підходи до вирішення складних і нетипових завдань.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системи штучного інтелекту
Короткий зміст навчальної програми: Дисципліна спрямована на вивчення і набуття уміння в сфері інженерії даних та знань в технологічних процесах розроблення і підтримки інтелектуальних інформаційних систем, які базуються на моделюванні великих даних.
В процесі навчання студенти набувають системних практичних навиків як в технологічній області, так і в області виробничо-дослідницької діяльності.
В результаті навчання студенти отримують сучасні знання, які необхідні для провадження інженерної та наукової діяльності в області інтелектуального аналізу великих даних, видобутку нових знань у наборах даних великої розмірності і створення прикладних інформаційних продуктів
Методи та критерії оцінювання: лабораторні роботи - 40, екзамен - 60
Рекомендована література: Базова
1. Желязны Д. Говори на языке диаграмм : пособие по визуальным коммуникациям для руководителей / Д. Желязны. – М. : Институт комплексных стратегических исследований, 2004. – 220 с.
2. Квєтний Р. Н. Комп’ютерне моделювання систем та процесів. Методи обчислень. Частина 1: навчальний посібник / Р. Н. Квєтний, І. В. Богач, О. Р. Бойко, О. Ю. Софина, О.М. Шушура; за заг. ред. Р.Н. Квєтного. – Вінниця: ВНТУ, 2012. – 193 с.
3. Квєтний Р. Н. Методи фільтрації текстурованих зображень у задачах розпізнавання та класифікації / Р. Н. Квєтний, О. Ю. Софина. – Вінниця: УНІВЕРСУМ-Вінниця, 2011. – 119 с.
4. Круглов В. В., Дли М. И., Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. Учеб. пособие. М.: Издательство Физико-математической литературы, 2001. - 224 c.
5. Кубенский А.А. Структуры и алгоритмы обработки данних / А.А. Кубенский. - СПб.: БХВ-Петербург, 2004. – 464 с.
6. Любчак, В.О. Методи та алгоритми обчислень [Текст] : навч. посіб. / В.О. Любчак, Л.Д. Назаренко. – Суми : СумДУ, 2008. – 313 с.
7. Матвійчук Я.М. Методи та алгоритми обчислень на ЕОМ : навч. посібник / Я.М. Матвійчук. – Львів: Ліга-Прес, 2008. – 84 с.
8. Роэм Д. Практика визуального мышления. Оригинальный метод решения сложных проблем / Д. Роэм. – М . : Манн, Иванов и Фербер, 2014. – 396 с.
9. Фельдман Л. П. Чисельні методи в інформатиці : підручник / Л. П. Фельдман, М. З. Згуровського, Л. П. Фельдман, А. І. Петренко, О. А. Дмитрієва. – К.: Вид. група BHV, 2006. – 480 с.
10. Яу Н. Искусство визуализации в бизнесе. Как представить сложную информацию простыми образами / Н. Яу. – М. : Манн, Иванов и Фербер, 2013. – 352 с.