Основи інтелектуального аналізу даних

Анотація навчальної дисципліни
Мета вивчення дисципліни: теоретична та практична підготовка студентів до вивчення систем обробки даних та принципів інтелектуального аналізу даних. Це дозволить їм розвивати аналітичні навички, необхідні для прийняття обґрунтованих рішень у різних галузях, а також підвищить їх конкурентоспроможність на ринку праці в сферах даних, штучного інтелекту та аналітики.
Практичне значення та використання отриманих знань.
формування у студентів уяви про застосування технологій зберігання та організації даних;  методи та алгоритми Data Mining; процеси виявлення знань;  способи візуального представлення даних. Ці знання допомагають вдосконалювати бізнес-процеси, оптимізувати ресурси та підвищувати ефективність роботи у різних галузях діяльності.

Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекція 1 «Вступ до інтелектуального аналізу даних».
Лекція 2 «Поняття про Data Mining».
Лекція 3 «Означення інтелектуальної системи».
Лекція 4 «Аналіз даних як мистецтво (Робота з даними)».
Лекція 5 «Дослідницький аналіз даних (EDA - exploratory data analysis)».
Лекція 6 «Використання моделей для дослідження даних».
Лекція 7 «Складання висновків із даних».
Лекція 8 «Чинники, що впливають на якість висновків».
Лекція 9 «Метрики  аналітики».
Лекція 10 «Метод A/B-тестування».
Лекція 11 «Технології та методи інтелектуального аналізу даних».
Лекція 12 «Управління аналізом даних».
Лекція 13 «Особливості статистичного аналізу даних».
Лекція 14 «Засоби штучного інтелекту в системах ІАД».
Лекція 15 «Етика та проблеми в інтелектуальному аналізі даних».

Лабораторні заняття
Лабораторна робота 1. «Можливості пошуку відкритих даних в хмарній базі даних BigQuery 
на платформі Google Cloud Platform»
Мета заняття: Розвинути навички пошуку та аналізу відкритих даних у хмарних базах даних, що сприятиме ефективному вилученню та синтезу інформації з різних джерел для вирішення задач в комп'ютерних науках.
Лабораторна робота 2. «Написання запитів на мові SQLу BigQuery»
Мета заняття: Ознайомити з методами написання запитів для обробки даних у BigQuery, що дозволить застосовувати алгоритми обчислювального інтелекту для класифікації та аналізу даних у реальних задачах.
Лабораторна робота 3. «Пошук публічних наборів даних у Google»
Мета заняття: Розвинути здатність студентів збирати дані з публічних джерел та проводити попередній аналіз, використовуючи знання методів вилучення та обробки інформації для подальшого використання в завданнях класифікації та прогнозування.
Лабораторна робота 4. «Візуалізація даних. Основи роботи з Tableau»
Мета заняття: Навчити застосовувати інструменти візуалізації для представлення великих обсягів даних та прийняття рішень через візуальне сприйняття та інтерпретацію даних.
Лабораторна робота 5. «Візуалізація даних в  Looker Studio»
Мета заняття Ознайомити з методами візуалізації даних, що дозволяють здійснювати багатовимірний аналіз для покращення розуміння великих даних та прийняття рішень 
Лабораторна робота 6  «Аналіз даних в  PYTHON.  Google Colab»
Мета заняття: Розвинути здатність використовувати Python для аналізу великих даних з метою застосування методів класифікації та прогнозування в реальних задачах
Лабораторна робота 7 «Надбудови інтелектуального аналізу даних  в Excel»
Мета заняття: Ознайомити з методами інтелектуального аналізу даних в Excel, що дозволяє використовувати статистичні та аналітичні методи для синтезу і аналізу даних у задачах прогнозування та класифікації

Для заочної форми здобуття освіти 

Лекційні заняття 

Лекція 1. «Аналіз даних як мистецтво (Робота з даними)».
Лекція 2. «Використання моделей для дослідження даних».

Лабораторні заняття

Лабораторна робота 1. «Хмарна база даних BigQuery. Написання запитів на мові SQLу BigQuery» Мета заняття: Ознайомити з методами написання запитів для обробки даних у BigQuery, що дозволить застосовувати алгоритми обчислювального інтелекту для класифікації та аналізу даних у реальних задачах
Лабораторна робота 2. «Візуалізація даних. Основи роботи з Tableau»
 Мета заняття: Навчити застосовувати інструменти візуалізації для представлення великих обсягів даних, для покращення аналізу та прийняття рішень через візуальне сприйняття та інтерпретацію даних

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

 Індивідуальна робота

Для денної форми здобуття освіти 

Для заочної форми здобуття освіти
Контрольна робота.

 Форми контрольних заходів та оцінювання результатів навчання 

Для денної форми здобуття освіти 
Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.
Модуль 1
Виконання лабораторних завдань №1-№3 – 20 балів.
Оцінка за контрольне опитування 1 – повна відповідь 5 балів.
Модульна контрольна робота 1 – бездоганне виконання 25 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Модуль 2
Виконання лабораторних завдань №4-№7 – 20 балів.
Оцінка за контрольне опитування 2 – повна відповідь 5 балів.
Модульна контрольна робота 1 – бездоганне виконання 25 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).

Для заочної форми здобуття освіти 
Оцінювання виконання контрольної роботи, залік.
Виконання контрольної роботи відповідно графіку, надання викладачу у встановлені терміни – 60 балів. 
Залік – 60-100 балів. Набрані бали впродовж семестру не ураховуються, а забезпечують допуск до заліку.

 Політика освітнього процесу та умови допуску до підсумкового контролю 

Умови допуску до підсумкового контролю
Підсумковий контроль з дисципліни – залік. 
Залік отримують здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни не менш, ніж на 60 балів. 
Залік відбувається за всіма тематичними (змістовними) модулями дисципліни. Складання/перескладання заліку організовується за встановленим деканатом розкладом.
Активна участь в лабораторних заняттях, дотримання графіків здачі контрольних та індивідуальних завдань, самостійна робота здобувача при підготовці до всіх видів аудиторних занять, присутність на консультаціях. Здобувачі зобов’язані дотримуватись принципів академічної доброчесності при виконанні модульних контрольних робіт, поточних контрольних та індивідуальних завдань, складання заліку/екзамену.
Робота, яка виконана після встановлених викладачем термінів, не приймається.
Відсутність здобувача на контрольній роботі відповідає оцінці «0».
Під час всіх видів аудиторних занять здійснювати телефонні дзвінки забороняється.
Заборонено використання будь-яких підручників, посібників, конспектів лекцій, шпаргалок під час проходження модульних та підсумкового контролів.