- •Методичні матеріали
- •6.080.400 “Інтелектуальні системи прийняття рішень”)
- •Питання, що виносяться на екзамен з дисципліни
- •Представлення результатів.
- •Приклади типових завдань, що виносяться на іспит.
- •2.1. Алгоритм isodata k-means (Hard-с-means).
- •Навчальна карта самостійної роботи студентів.
- •Порядок поточного і підсумкового оцінювання знань з дисципліни.
- •Особливості поточного контролю знань студентів заочної форми навчання.
- •Зразок екзаменаційного білета.
- •Список рекомендованої літератури.
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД
"КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ
імені Вадима Гетьмана"
Кафедра інформаційних систем в економіці
Методичні матеріали
щодо змісту та організації самостійної роботи студентів,
поточного і підсумкового контролю їх знань
з дисципліни
"Інтелектуальний аналіз даних"
(для бакалаврів спеціальності
6.080.400 “Інтелектуальні системи прийняття рішень”)
укладач: к.т.н. Іванченко Г.Ф.
УХВАЛЕНО:
на засіданні кафедри ІСЕ
протокол № 14 від 28.04.2010 р.
Завідувач кафедри
_____________ Устенко С.В.
Погоджено:
Проректор з науково-педагогічної роботи ___________ Колот А.М.
Начальник навчально-методичного відділу ___________ Гуть Т.В.
КИЇВ 2010
-
Питання, що виносяться на екзамен з дисципліни
-
Задачі інтелектуального аналізу даних (Data Mining).
-
Задача класифікації і регресії.
-
Задача пошуку асоціативних правил.
-
Задача кластеризації.
-
Моделі Data Mining.
-
Передбачаючі моделі.
-
Описові моделі.
-
Процесс виявлення знань.
-
Підготовка початкових даних.
-
Практичне використання інтелектуального аналізу даних
-
Неефективність використовування OLTP-систем для аналізу даних.
-
Концепція сховища даних і аналіз.
-
Організація СД.
-
Очищення даних.
-
Багатовимірна модель даних OLAP-системи.
-
Визначення OLAP-систем.
-
Концептуальне багатовимірне уявлення.
-
Дванадцять основних та додаткові правила Кодда.
-
Тест FASMI.
-
Архітектура OLAP-систем, MOLAP, ROLAP, HOLAP.
-
Стандарт СWM.
-
Фази і задачі стандарту CRISP.
-
Стандарт PMML.
-
Стандарт SQL/MM.
-
Стандарт OLE DB для Data Mining.
-
Стандарт JDMAPI.
-
Архітектура бібліотеки. Класи моделі для Xelopes
-
Методи пакету Model.
-
Класи пакету Settings.
-
Методи пакету Settings.
-
Діаграмма Attribute.
-
Класи пакету Attribute
-
Діаграмма Algorithms
-
Клас MiningAlgorithm.
-
Розширення класу MiningAlgorithm.
-
Діаграмма DataAccess.
-
Клас MininglnputStream .
-
Класи Mining-векторів.
-
Діаграма Transformation.
-
Рішення задачі пошуку асоціативних правил Xelopes..
-
Рішення задачі кластеризації Xelopes..
-
Правила класифікації Xelopes..
-
Математичні функції Xelopes..
-
Методи побудови правил класифікації Xelopes..
-
Метод Naive Bayes.
-
Методи побудови дерев рішень Xelopes..
-
Алгоритм IDЗ.
-
Алгоритм С4.5.
-
Алгоритм покриття.
-
Нелінійні методи.
-
Методи прогнозування тимчасових рядів.
-
Нечітка логіка.
-
Генетичні алгоритми.
-
Секвенціальний аналіз.
-
Різновиди задачі пошуку асоціативних правил.
-
Представлення результатів.
-
Алгоритм Apriori.
-
Різновиди алгоритму Aprioriю.
-
Постановка задачі кластеризації
-
Формальна постановка задачі.
-
Заходи близькості, засновані на відстанях, використовувалися в алгоритмах кластеризації.
-
Представлення результатів.
-
Базові алгоритми кластеризації.
-
Класифікація алгоритмів. Ієрархічні алгоритми.
-
Агломератівні алгоритми.
-
Дівізімні алгоритми.
-
Алгоритм ISODATA k-means (Hard-с-means).
-
Алгоритм Fuzzy C-Means.
-
Кластеризація по Гюстафсону-Кесселю.
-
Адаптивные методи кластеризації.
-
Використовування формальних критеріїв якості в адаптивній кластеризації.
-
Показники чіткості.
-
Ентропійний критерій. Інші критерії
-
Виконання візуального аналізу даних.
-
Характеристики засобів візуалізації даних.
-
Методи геометричних перетворень
-
Відображення ікон .
-
Методи, орієнтовані на піксели.
-
Ієрархічні образи.
-
Задача аналізу текстів Text Mining.
-
Етапи аналізу текстів.
-
Отримування ключових понять з тексту.
-
Загальний опис процесу отримання понять з тексту .
-
Стадія локального аналізу.
-
Стадія інтеграції і висновку понять.
-
Класифікація текстових документів.
-
Опис задачі класифікації текстів.
-
Методи класифікації текстових документів.
-
Методи кластеризації текстових документів.
-
Представлення текстових документів.
-
Ієрархічні методи кластеризації текстів.
-
Бінарні методи кластеризації текстів.
-
Задача анотування текстів.
-
Виконання анотування текстів.
-
Методи отримання фрагментів для анотації.
-
Засоби аналізу текстової інформації Oracle Text.
-
Засоби від IBM — Intelligent Miner for Text.
-
Засоби SAS Institute — Text Miner.
-
Засоби Мегап’ютер Інтелідженс — TextAnalyst.
-
Системи мобільних агентів.
-
Стандарти багатоагентних систем.
-
Система мобільних агентів JADE.
-
Використання мобільних агентів для аналізу даних.
-
Проблеми розподіленого аналізу даних.
-
Агенти-аналітики.
-
Варіанти аналізу розподілених даних.
-
Система аналізу розподілених даних.
-
Агент для збору інформації про базу даних.
-
Агент для збору статистичної інформації про дані.
-
Агент для вирішення однієї задачі інтелектуального аналізу даних.
-
Агент для вирішення інтегрованої задачі інтелектуального аналізу даних.
-
Методи оптимізації комбінаторних задач різного ступеня складності.
-
Класифікація еволюційних алгоритмів.
-
Базовий генетичний алгоритм.
-
Послідовні модифікації базового генетичного алгоритму.
-
Паралельні модифікації базового генетичного алгоритму.
-
Особливості генетичних алгоритмів, передумови для адаптації.
-
Основа та область управління адаптації ГА.
-
Адаптація на рівні популяції, індивідів, компонентів.
-
Двонаправлена інтеграція ГА і нечітких алгоритмів продукційного типу.