Засоби аналізу та візуалізація даних
Спеціальність: Прикладна математика та інформатика
Код дисципліни: 6.113.04.E.061
Кількість кредитів: 3.00
Кафедра: Прикладна математика
Лектор: к.е.н, доцент кафедри ПМ Гайдучок О.В.
Семестр: 7 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів таких компетентностей відповідно до ОПП «Прикладна математика та інформатика»
Загальних:
ЗК01. Здатність учитися і оволодівати сучасними знаннями.
ЗК02. Здатність застосовувати знання у практичних ситуаціях.
ЗК04. Здатність бути критичним і самокритичним.
ЗК06 Здатність до абстрактного мислення, аналізу та синтезу.
ЗК08 Знання та розуміння предметної області та розуміння професійної діяльності.
ЗК12 Визначеність і наполегливість щодо поставлених завдань і взятих обов’язків.
Фахових:
ФКС2.8 Здатність використовувати методи штучного інтелекту в задачах моделювання.
Результати навчання: У результаті вивчення навчальної дисципліни студент повинен бути здатним продемонструвати такі результати:
знати:
- методи збору, обробки, систематизації та узагальнення інформації про стан і розвиток процесів і явищ;
- статистичні методи аналізу даних;
- методологічні підходи до візуалізації
вміти:
- використовувати в практичних прикладних задачах методи збору, обробки, систематизації та узагальнення інформації про стан і розвиток процесів і явищ;
- використовувати статистичні методи обробки та аналізу результатів досліджень;
- із опису предметної області і задач, що розв’язуються, приймати рішення щодо застосування того або іншого методу обробки даних;
- візуально представляти результати аналізу;
- користуватися усім спектром методів та засобів аналізу даних при розв’язанні прикладних проблем, в тому числі і з використанням відповідного програмного забезпечення.
РН14 Виявляти здатність до самонавчання та продовження професійного розвитку
ЗН1 Демонструвати знання і розуміння основних концепцій, принципів, теорій прикладної математики і використовувати їх на практиці.
ЗН2 Володіти основними положеннями та методами математичного, комплексного та функціонального аналізу, лінійної алгебри та теорії чисел, аналітичної геометрії, теорії диференціальних рівнянь, зокрема рівнянь із частинними похідними, теорії ймовірностей, математичної статистики та випадкових процесів, чисельними методами та сучасними інформаційними технологіями збору, обробки та зберігання інформації.
УМ1 поєднувати методи математичного та комп’ютерного моделювання з неформальними процедурами експертного аналізу для пошуку оптимальних рішень
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни
Математична статистика
Супутні і наступні навчальні дисциплін
Методи регресійного аналізу та їх застосування
Бакалаврський проект
Короткий зміст навчальної програми: Навчальна дисципліна «Засоби аналізу та візуалізація даних» є складовою освітньо-професійної програми підготовки фахівців за першим рівнем вищої освіти «бакалавр» галузі знань 11 – «Математика та статистика» зі спеціальності 113 – «Прикладна математика» за освітньою програмою «Прикладна математика та інформатика» блоку Інформатика. Дана дисципліна є обов’язковою.
Навчальна дисципліна ««Засоби аналізу та візуалізація даних» охоплює вивчення методів описової статистики, які доречно застосовувати для різних типів даних; оволодіння практичними навичками аналізу та візуалізації даних із використанням середовища програмування R.
Опис: Вступ: предмет та завдання дисципліни. Основна мета та призначення візуалізації даних. Структура курсу.
Правила кольорів у візуалізації, психологія кольору. Відповідність кольорових схем типам даних. Графічні елементи візуалізації.
Класифікація програмного забезпечення по аналізі та обробці даних. Основні засоби розвідувального аналізу для проведення експрес-аналізу даних та їх можливості . Основи роботи в R та RStudio
Головні задачі попередньої обробки даних. Кроки процесу аналізу даних. Типи даних та способи їх представлення. Візуалізація якісних двовимірних даних
Візуалізація мережевих даних. Візуалізація ієрархічної структури.
Аналіз часових рядів засобами R
Сторітеллінг. Приклади та засоби сторітеллінгу.
Методи та критерії оцінювання: ? Тести у ігровій формі
? Вибіркове усне опитування;
? Допуск до лабораторних робіт;
? Представлення та захист лабораторних робіт;
? Представлення підсумкового проекту;
? Підсумковий контроль (залік).
Критерії оцінювання результатів навчання:
Поточний контроль (40 балів):
Виконання лабораторних робіт. Після призначеного дедлайну бали за лабораторні знижуються.
Підсумковий контроль складається із двох компонент:
1. Виконання та захист контрольної роботи, підготовка презентації. Перевірка навиків візуалізації. (40 балів)
2. Підсумкове тестування. (20 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. OpenIntro Statistics - Fourth Edition. David M. Diez, Harvard School of Public Health. Christopher D. Barr, Harvard School of Public Health. Link: https://www.openintro.org/
2. Черняк О.І.. Інтелектуальний аналіз даних: Підручник / О.І. Черняк, П.В. Захарченко ; Київ. нац. ун-т ім. Т. Шевченка. — К. : Знання, 2014. — 599 с.
3. Ситник В.Ф. Системи підтримки прийняття рішень: Навч.посібник / В.Ф. Ситник - К.:КНЕУ, 2004. – 614 с
4. Бахрушин В.Є. Методи аналізу даних: навч. посіб. для студентів / В. Є. Бахрушин - Запоріжжя: КПУ, 2011. – 268 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).