Технології аналітики даних
Спеціальність: Системний аналіз (освітньо-наукова програма)
Код дисципліни: 7.124.00.O.008
Кількість кредитів: 5.00
Кафедра: Інформаційні системи та мережі
Лектор: д.т.н., проф. Берко Андрій Юліанович
Семестр: 2 семестр
Форма навчання: денна
Завдання: Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта.
Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
Знати та уміти застосовувати на практиці методи системного аналізу, методи математичного та інформаційного моделювання для побудови та дослідження моделей об’єктів і процесів інформатизації.
Знати методи розкриття невизначеностей в задачах системного аналізу, уміти розкривати ситуаційні невизначеності, та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності тощо.
Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта.
Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Аналіз бізнес-процесів
Технології підтримки процесів прийняття рішень
Короткий зміст навчальної програми: Базові принципи технології аналізу даних; основні поняття та визначення аналізу даних;
концепції сховища даних; методи трансформації даних; багатовимірні моделі даних; способи візуалізації даних; методи очистки даних; статистичні аспекти аналітики; моделi та методи побудови моделей та аналізу залежностей у ресурсах даних; сучаснi програмнi засоби для проектування i розробки систем аналізу даних.
Опис: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Методи та критерії оцінювання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Критерії оцінювання результатів навчання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
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. White, Tom // Hadoop: The Definitive Guide // O'Reilly Media, 2009.
2. Hadoop. Apache Software Foundation // http://hadoop.apache.org/
3. Finley, Klint // Steve Ballmer on Microsoft's Big Data Future and More in This Week's Business Intelligence Roundup // ReadWriteWeb, 2011.
4. Fay Chang, Jeffrey Dean, Sanjay Ghemawat & etc. // Bigtable: A Distributed Storage System for Structured Data // Google Lab, 2006.
6. Jeffrey Dean, Sanjay Ghemawat // MapReduce: Simplified Data Processing on Large Clusters // Google Inc., 2004.
7. Judy Qiu // Cloud Technologies and Their Applications // Indiana University Bloomington, 2010
8. The Hadoop Distributed File System: Architecture and Design // http://hadoop.apache.org/common/docs/r0.17.2/hdfs_design.html
10. Ralf Lammel // Google’s MapReduce Programming Model — Revisited // Microsoft Corp.
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).
Технології аналітики даних (курсова робота)
Спеціальність: Системний аналіз (освітньо-наукова програма)
Код дисципліни: 7.124.00.O.009
Кількість кредитів: 2.00
Кафедра: Інформаційні системи та мережі
Лектор: д.т.н., проф. Берко Андрій Юліанович
Семестр: 2 семестр
Форма навчання: денна
Завдання: Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта.
Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
Знати та уміти застосовувати на практиці методи системного аналізу, методи математичного та інформаційного моделювання для побудови та дослідження моделей об’єктів і процесів інформатизації.
Знати методи розкриття невизначеностей в задачах системного аналізу, уміти розкривати ситуаційні невизначеності, та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності тощо.
Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта.
Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Аналіз бізнес-процесів
Технології підтримки процесів прийняття рішень
Короткий зміст навчальної програми: Базові принципи технології аналізу даних; основні поняття та визначення аналізу даних;
концепції сховища даних; методи трансформації даних; багатовимірні моделі даних; способи візуалізації даних; методи очистки даних; статистичні аспекти аналітики; моделi та методи побудови моделей та аналізу залежностей у ресурсах даних; сучаснi програмнi засоби для проектування i розробки систем аналізу даних.
Опис: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Методи та критерії оцінювання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Критерії оцінювання результатів навчання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування
• Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
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. White, Tom // Hadoop: The Definitive Guide // O'Reilly Media, 2009.
2. Hadoop. Apache Software Foundation // http://hadoop.apache.org/
3. Finley, Klint // Steve Ballmer on Microsoft's Big Data Future and More in This Week's Business Intelligence Roundup // ReadWriteWeb, 2011.
4. Fay Chang, Jeffrey Dean, Sanjay Ghemawat & etc. // Bigtable: A Distributed Storage System for Structured Data // Google Lab, 2006.
6. Jeffrey Dean, Sanjay Ghemawat // MapReduce: Simplified Data Processing on Large Clusters // Google Inc., 2004.
7. Judy Qiu // Cloud Technologies and Their Applications // Indiana University Bloomington, 2010
8. The Hadoop Distributed File System: Architecture and Design // http://hadoop.apache.org/common/docs/r0.17.2/hdfs_design.html
10. Ralf Lammel // Google’s MapReduce Programming Model — Revisited // Microsoft Corp.
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).