Современные методы анализа данных

Магистратура 2020/2021

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Статус: Курс обязательный (Интеллектуальный анализ данных)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Кафедра прикладной математики и информатики (Нижний Новгород)

Где читается: Факультет информатики, математики и компьютерных наук (Нижний Новгород)

Когда читается: 1-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Золотых Николай Юрьевич, Калягин Валерий Александрович

Прогр. обучения: Интеллектуальный анализ данных

Язык: русский

Кредиты: 4

Контактные часы: 60

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

В курсе рассматриваются основные современные методы анализа данных. В результате овладения дисциплиной студент овладеет математическими основами анализа данных и овладеет компетенциями в области практического использования этих методов для анализа реальных данных.

Цель освоения дисциплины

Развитие компетенций в области анализа данных
Развитие компетенций в области математических методов и информационных технологий.

Планируемые результаты обучения

Освоение основных теоретических положений современных методов анализа данных
Овладение практическими навыками анализа реальных данных

Содержание учебной дисциплины

Многомерные данные и их представление
Многомерные данные. Первичная обработка. Пропуски и выбросы. Классификация и визуализация.
Дискриминантный анализ
Линейный дискриминантный анализ. Квадратичный дискриминантный анализ.
Статистические основы многомерного анализа
Основные понятия и методы многомерной статистики
Многомерное шкалирование
Многомерное шкалирование для представления данных
Кластерный анализ
Методы кластерного анализа. Метод средних, метод медоидов, алгоритм DBSCAN. Методы иерархической кластеризации
Факторный анализ
Факторный анализ и его использование
Анализ главных компонент
Метод главных компонент и его использование для анализа данных

Элементы контроля

Домашнее задание
Домашнее задание
Домашнее задание
Домашнее задание

Промежуточная аттестация

Промежуточная аттестация (1 модуль)
0.5 * Домашнее задание + 0.5 * Домашнее задание
Промежуточная аттестация (2 модуль)
0.5 * Домашнее задание + 0.2 * Домашнее задание + 0.3 * Промежуточная аттестация (1 модуль)

Программа дисциплины