DATA MINING для бізнес-аналітики

Анотація навчальної дисципліни

Мета дисципліни: освоєння дисципліни є формування в учнів ряду професійних компетентностей на  основі вивчення сучасних технологій обробки інформації та вилучення корисних знань з отриманням практичних навичок у використанні поширених програмних продуктів з елементами інтелектуального аналізу даних.

Практичне значення та використання отриманих знань. Розуміння особливостей методів, моделей та алгоритмів інтелектуального аналізу даних різних типів та обсягів для вирішення практичних завдань у різних сферах сучасного бізнесу. Вміння визначати сутність і вирішувати прикладні завдання сучасної бізнес-аналітики. Оволодіння інструментарієм для вирішення аналітичних і дослідницьких завдань. Освоєння сучасних технічних засобів та інформаційні технології видобування знань з даних. Вміння використовувати для вирішення аналітичних і дослідницьких завдань сучасні технічні засоби та інформаційні технології. Оволодіння навичками використання сучасних технічних засобів і інформаційних технологій для вирішення аналітичних і дослідницьких завдань.

Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття
Лекція 1 «Основи Data Mining».
Лекція 2 «Області застосування бізнес-додатків Data Mining».
Лекція 3 «Уявлення даних та знань».
Лекція 4 «Етапи видобутку даних».
Лекція 5 «Поширені системи та рішення Data Mining для підтримки бізнес-процесів».
Лекція 6 «Описові, приписні та передиктивні методи аналізу даних».
Лекція 7 «Класифікація та призначення Business Intelligence».
Лекція 8 «Набір інструментів та технологій для збору, аналізу та обробки даних у Business Intelligence».
Лекція 9 «Оперативний та багатомірний аналіз даних».
Лекція 10 «ETL процеси для Data mining».
Лекція 11 «Розвідувальний аналіз даних при побудові предиктивних моделей».
Лекція 12 «Факторний та кореляційний аналіз даних».
Лекція 13 «Напрямки та переваги MLOps при вирішенні завдань Data Mining».
Лекція 14 «Інструменти зберігання даних, розмітки та версіонування».
Лекція 15 «Автоматизація  процесів постачання, тестування та трекінгу ML-моделей».

Лабораторні заняття
Лабораторне заняття 1 «Статистичний аналіз даних засобами системи Statistica».
Мета заняття: оволодіти практичними навичками використання системи Statistica для вирішення прикладних завдань зі статистичного аналізу даних
Лабораторне заняття 2 «Використання системи Weka для вирішення завдань класифікації при видобутку знань». Частина 1.
Мета заняття: оволодіти практичними навичками використання системи Weka для вирішення прикладних завдань з класифікації при видобутку нових знань
Лабораторне заняття 3 «Використання системи Weka для вирішення завдань класифікації при видобутку знань». Частина 2.
Мета заняття: оволодіти практичними навичками використання системи Weka для вирішення прикладних завдань з класифікації при видобутку нових знань
Лабораторне заняття 4 «Засоби системи Oracle Data Miner для видобутку знань». Частина 1.
Мета заняття: оволодіти практичними навичками використання системи Oracle Data Miner для вирішення прикладних завдань з видобутку знань.
Лабораторне заняття 5 «Засоби системи Oracle Data Miner для видобутку знань». Частина 2.
Мета заняття: оволодіти практичними навичками використання системи Oracle Data Miner для вирішення прикладних завдань з видобутку знань.
Лабораторне заняття 6 «Візуалізації результатів аналізу та обробки даних засобами STATISTICA Data Miner». 
Мета заняття: оволодіти практичними навичками використання системи Statistica Data Miner для вирішення прикладних завдань з візуалізації результатів аналізу даних.
Лабораторне заняття 7 «Побудова OLAP кубу бізнес даних».
Мета заняття: оволодіти практичними навичками побудови багатовимірних аналітичних звітів у вигляді OLAP-кубів для аналізу бізнес-даних.

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Індивідуальна робота

Для денної форми здобуття освіти 

Передбачена розрахунково-графічна робота, що виконується протягом навчального семестру та має бути захищена на останньому навчальному тижні.

Форми контрольних заходів та оцінювання результатів навчання

Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів. Формою підсумкового контролю є залік.

Модуль 1
Активна робота на лабораторному занятті та виконання усіх завдань – максимально по 7 бали за заняття.
Модульна контрольна робота 1 – бездоганне виконання 22 бали (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Модуль 2
Активна робота на лабораторному занятті та виконання усіх завдань – максимально по 15 бали за заняття.
Бездоганно виконана розрахунково-графічна робота, надана у встановлені терміни викладачу – 15  балів. 
Модульна контрольна робота 2 – бездоганне виконання 20 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).

 Політика освітнього процесу та умови допуску до підсумкового контролю

При виконанні усіх практичних робіт та розрахунково-графічної роботи необхідним є дотримання діючих норм з академічної доброчесності. До підсумкового контролю здобувач може бути допущеним за умови виконання розрахунково-графічної роботи та не менш ніж 50% усіх практичних робіт.