Інтелектуальні технології data mining в управлінні ІТ-проєктами

Вибіркова дисципліна
Обсяг освітнього компонента: 
• у кредитах ЄКТС — 4.5.
Кількість аудиторних занять: 
Лекційних занять - 15, лабораторних занять 7.
Самостійна робота: 
91 годин.
Семестровий контроль: 
Залік.
Освітню компоненту забезпечує: 
Анотація: 

Анотація навчальної дисципліни
Мета вивчення дисципліни: вивчення методів сучасної обробки даних, зокрема інтелектуального аналізу даних (Data Mining), а також аналітичного дослідження великих обсягів інформації для виявлення нових, раніше невідомих, практично корисних знань і закономірностей, необхідних для прийняття рішень.
Практичне значення та використання отриманих знань.
Засвоєння методології, методів і процесів інтелектуального аналізу даних . методів, набуття навичок роботи з програмними продуктами і різних інструментальними засобами, які використовуються в Data Mining; розгляд практичних прикладів застосування Data Mining; підготовка студентів до самостійної роботи з вирішення задач засобами Data Mining і розробки інтелектуальних систем.

 Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття
Лекція 1. Data Mining як мультидисциплінарна галузь 
Лекція 2. Набір даних та їх атрибутів
Лекція 3. Очистка даних
Лекція 4. Методи та стадії Data Mining
Лекція 5. Задачі Data Mining. Інформація та знання
Лекція 6. Описові методи Data mining
Лекція 7. Метод пошуку асоціативних правил
Лекція 8 Статистичні методи Data Mining
Лекція 9. Метод дерева рішень
Лекція 10 Метод штучних нейронних мереж
Лекція 11  Метод кластерного аналізу
Лекція 12  Метод дискримінантного аналізу
Лекція 13 Задачі прогнозування часових рядів
Лекція 14. Метод аналізу часових рядів
Лекція 15. Види помилок та прогнозів

Лабораторні заняття
Лабораторна робота 1. Пошук та завантаження даних 
Лабораторна робота 2. Візуалізація даних
Лабораторна робота 3. Оцінка статистичних характеристик 
Лабораторна робота 4. Пошук асоціативних правил 
Лабораторна робота 5. Метод дерева рішень 
Лабораторна робота 6  Штучні нейронні мережі 
Лабораторна робота 6 Дискримінантний аналіз 
Лабораторна робота 7 Аналіз часових рядів

Для заочної форми здобуття освіти 

Лекційні заняття 

Лекція 1. Задачі Data Mining. Інформація та знання
Лекція 2. Методи Data mining

Лабораторні заняття

Лабораторна робота 1. Візуалізація даних
Лабораторна робота 2.  Штучні нейронні мережі 

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 – 15 балів.
Оцінка за контрольне опитування 1 – повна відповідь 5 балів.
Модульна контрольна робота 1 – бездоганне виконання 30 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Модуль 2
Виконання лабораторних завдань №4-№5 – 20 балів.
Оцінка за контрольне опитування 2 – повна відповідь 5 балів.
Модульна контрольна робота 1 – бездоганне виконання 30 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.

7Політика 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.
 

Компетентності: 

К1. Здатність збирати і аналізувати дані (включно з великими), для забезпечення якості прийняття рішень.
К2. Здатність застосовувати існуючі і розробляти нові алгоритми розв’язування задач у галузі комп’ютерних наук: алгоритми розв’язання обчислювальних та логічних задач, алгоритми паралельних та розподілених обчислень, алгоритми аналітичної обробки й інтелектуального аналізу великих даних з оцінкою їх ефективності та складності.

Результати навчання: 

PH1. Вміти досліджувати явища i сутності, зв‘язки та закономірності у процесах управління проектами/ програмами/ портфелями упродовж ix життєвих циклів, як керованих IC з ознаками унікальності та обмеженості у ресурсах, часі i якості.
PH2. Вміти застосовувати новітні інструменти проектного менеджменту та інформаційні систем управління проектами на всіх етапах життєвого циклу проекту.

2024 рік