Современные методы анализа данных

2020/2021

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Автор программы

Калягин Валерий Александрович

Кто читает:

Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

1-й курс, 1, 2 модуль

Преподаватель

Золотых Николай Юрьевич

Программа дисциплины

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)

Список литературы

Рекомендуемая дополнительная литература

• Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
• Под ред. Мхитаряна В.С. - АНАЛИЗ ДАННЫХ. Учебник для академического бакалавриата - М.:Издательство Юрайт - 2019 - 490с. - ISBN: 978-5-534-00616-2 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-dannyh-432178