Структура за темами

  • Інтелектуальний аналіз даних (122)


    Увага !!!

    Лк - старший викладач Походенко Б.О. групи: МК-31-22, МК-26т1-23

    Лк - старший викладач Походенко Б.О. групи: МКз-31-22

    Пз - старший викладач Походенко Б.О. групи: МК-31-22, МК-26т1-23

    Пз - старший викладач Походенко Б.О. групи: МКз-31-22

     Заняття відбуваються дистанційно у форматі веб-конференцій за посиланням:

    On conference Zoom

    https://us04web.zoom.us/j/2272646103?pwd=Y1BGUU4xb2tsYWtVVW13eHdBUEZuUT09  

     

    Identification conference: 227 264 6103

    Code: 6eqvfm


  • Секція 1

    Заняття 1. Інтелектуальний аналіз даних (Data Mining). Особливості технології Data Mining та її відмінності від інших методів аналізу даних

    Мета: засвоїти основні концептуальні поняття з курсу «Інтелектуальний аналіз даних»; засвоїти відмінності Data Mining від класичних статистичних методів аналізу й OLAP-систем, вивчити типи закономірностей, що виявляють Data Mining та класи систем інтелектуального аналізу даних.

  • Секція 2

    Заняття 2. Поняття даних. Типи та формати зберігання даних. Бази даних. СУБД 

    Мета: засвоїти поняття «дані» та особливості різних типів даних; вивчити етапи якісного процесу аналізу даних; засвоїти сутність систем управління базами даних.


    • Секція 3

      Заняття 3. Метадані. Класифікація метаданих. Класифікація методів ІАД

      Мета: засвоїти поняття «метадані» та особливості роботи з ними.

      • Секція 4

        Заняття 4. Задачі Data Mining та їх класифікація. Інформація та Знання. Класифікація та кластеризація

        Мета: вивчити задачі інтелектуального аналізу даних; засвоїти рівні аналізу Data Mining; засвоїти поняття інформації та вивчити її властивості. Розглянути методи, що застосовуються для розв’язання задач класифікації. Засвоїти  можливості та методи застосування кластерного аналізу.



        • Секція 5

          Заняття 5. Задачі Data Mining. Прогнозування та візуалізація

          Мета: вивчити задачі прогнозування; засвоїти особливості візуалізації даних.


          • Секція 6

            Заняття 6. Основи аналізу даних

            Мета: вивчити основи інтелектуального аналізу даних; засвоїти, в чому полягає процес очищення даних.


            • Секція 7

              Заняття 7. Методи дерев рішень, класифікації та прогнозування

              Мета: вивчити методи прогнозування та класифікації; засвоїти поняття дерева рішень; вивчити метод опорних векторів; засвоїти метод найближчого сусіда; засвоїти поняття байєсовської класифікації.


              • Секція 8

                Заняття 8. Методи кластерного аналізу. Ієрархічні методи. Ітеративні методи

                Мета: вивчити методи кластерного аналізу; засвоїти особливості ієрархічних методів; вивчити неієрархічні алгоритми кластеризації, факторний аналіз, ітеративні методи кластеризації.


                • Секція 9

                  Заняття 9. Методи пошуку асоціативних правил

                  Мета: засвоїти поняття нейронної мережі; вивчити асоціативні правила та алгоритм їх пошуку.