Информация о курсе

О курсе

Основной целью курса является формирование у обучающихся теоретической базы и практических навыков по выявлению скрытых закономерностей, тенденций и взаимосвязей (и другой ценной информации), которые не очевидны при обычном анализе, из больших объемов разнородных данных с использованием методов машинного обучения, статистики и аналитического моделирования.

Задачи дисциплины включают:

• Сбор, очистку, преобразование и предварительную обработку данных из различных источников, чтобы сделать их пригодными для анализа. 
• Поиск скрытых паттернов, взаимосвязей, трендов и аномалий в данных, которые могут быть использованы для прогнозирования и принятия решений.
• Разработка и применение алгоритмов и моделей для анализа данных, таких как кластеризация, классификация, регрессия, ассоциативные правила и другие.
• Анализ результатов, полученных в процессе интеллектуального анализа данных, и их интерпретация для принятия обоснованных решений.
• Представление результатов анализа данных в наглядной форме (визуализация), чтобы облегчить их понимание и интерпретацию.

Особое внимание уделяется овладению студентами практических навыков реализации моделей дата майнинга, использования инструментов визуализации результатов анализа, обработки структурированных и неструктурированных данных, оценки качества построенных моделей.

РО1: уметь использовать инструментарий сервиса Yandex DataLens для визуализации данных.
РО2: уметь использовать функциональные возможности платформы Loginom для анализа данных.
РО3: уметь использовать функциональные возможности платформы PolyAnalyst для интеллектуального анализа данных.

Направление подготовки бакалавриата:
38.03.01 Экономика
Образовательная программа:
Экономика, основанная на данных

Тема 1. Введение в интеллектуальный анализ данных: визуализация данных и информации с использованием Yandex DataLens
Тема 2. Прикладной дата-майнинг: б изнес-аналитика с использованием low-code платформы Loginom
Тема 3. Прикладной дата-майнинг: информационно-аналитическая платформа интеллектуального анализа данных PolyAnalyst

Продолжительность курса – 16 недель
Трудоемкость освоения курса – 108 час.
Трудоемкость курса – 3 зачётных единицы
Форма контроля – зачет

Ботыгин Игорь Александрович, к.т.н., доцент ОИТ ИШИТР