Методичні матеріали щодо змісту та організації самостійної роботи студентів, поточного і підсумкового контролю їх знань з дисципліни Інтелектуальний аналіз даних, КНЕУ

МІНІСТЕРСТВО  ОСВІТИ І НАУКИ УКРАЇНИ

КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ

імені ВАДИМА ГЕТЬМАНА

ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ СИСТЕМ І ТЕХНОЛОГІЙ

кафедра інформаційних систем в економіці

МЕТОДИЧНІ  МАТЕРІАЛИ

щодо змісту та організації самостійної роботи студентів,

поточного і підсумковогоконтролю їх знань

з дисципліни

  “ Інтелектуальний аналіз даних”

(для бакалаврів спеціальності 6404 “Інтелектуальні системи прийняття рішень”)

Київ КНЕУ 2006

САМОСТІЙНА РОБОТА СТУДЕНТІВ

Самостійна робота студентів із вивчення дисципліни “Інтелектуальний аналіз даних” є однією з необхідних форм організації навчання, важливою формою оволодіння навчальним матеріалом у вільний від обов’язкових навчальних занять час.

Вичерпний зміст завдань для опрацювання навчального матеріалу викладений нижче у картці самостійної роботи студента.

КАРТА САМОСТІЙНОЇ РОБОТИ СТУДЕНТА

з дисципліни   «Інтелектуальний аналіз даних» 

для студентів-бакалаврів спеціальності 6404

Крім вищенаведеного, студентам слід звернути увагу на такі аспекти вивчення дисципліни:

- більш поглиблене опрацювання теоретичних основ прослуханого лекційного матеріалу із використанням наступних наукових ресурсів мережі Internet (http://www.kdnuggets.com, http://www.the-data-mine.com)

- додаткове знайомство з доступним програмним забезпеченням дейтамайнінгу, яке не увійщло до тематики лабораторних робіт (зокрема викладачем надаються для ознайомлення пакети: See5 – як представник систем, що використовують дерева рішень в процесі ІАД; WizWhy – як представник класу програмних систем ІАД, що використовує алгоритми обмеженого перебору для генерування правил; MineSet  - провідна програмна система візуального дейтамайнінгу);

-  самостійне поглиблене вивчення теоретичних питань: з теми 5 - готове програмне забезпечення нейронних мереж; з теми 6 - готове програмне забезпечення генетичних алгоритмів;  з теми 7 - основні типи програмних агентів та їх приклади.

- вивчення предметних областей та підготовку вхідних даних для подальшого виконання лабораторних робіт №2 та №3;

- письмове оформлення схем, діаграм по результатам виконання лабораторних робіт;

- систематику вивченного матеріалу перед заліком.

ІНДИВІДУАЛЬНО-КОНСУЛЬТАТИВНА РОБОТА

Індивідуально-консультативна робота полягає в проведенні консультацій студентів з виконання лабораторних та самостійних завдань, їх перевірки та захисту. Індивідуально-консультативна робота проводиться керівниками курсу, не рідше одного разу на тиждень згідно графіку, що складається на кожен  семестр окремо. 

Графік проведення  індивідуально-консультативної роботи 

з дисципліни   « »

на 7-ий семестр __________ н.р.

СИСТЕМА ПОТОЧНОГО І ПІДСУМКОВОГО КОНТРОЛЮ ЗНАНЬ З ДИСЦИПЛІНИ

Перелік питань, що охоплюють зміст робочої програми

1. Дайте визначення інтелектуальним інформаційним системам.

2. Яка специфіка сучасних вимог до інтелектуального аналізу даних.

3. Що таке концепція шаблонів?

4. Які рівні вилучаємих знань із даних та відповідні категорії програмних засобів аналізу данних?

5. Наведіть концепцію і визначення дейтамайнінгу.

6. Які сфери застосування дейтамайнінгу в бізнесі?

7. Яке співвідношення OLAP та сховищ даних з дейтамайнінгом.

8. Опишіть концепції web- та  text-mining.

9. Опишіть проблеми та перспективи ефективного застосування дейтаманінгу в умовах економіки України.

10. Охарактеризуйте перспективи стандартів дейтамайнінгу.

11. Які існують етапи процесу дейтамайнінгу?

12. Що таке підтверджуючий (дескриптивний) та дослідницький (предиктивний) дейтамайнінг?

13. Наведіть класи процесів дейтамайнінгу.

14. Які основні види закономірностей дейтамайнінгу?

15. Опишіть користувачів дейтамайнінгу.

16. Які часові активності дейтамайнінгу.

17. Опишіть дерево методів дейтамайнінгу.

18. Наведіть аналіз переваг та недоліків основних методів інтелектуального аналізу даних.

19. Дайте загальну  характеристика програмних систем дейтамайнінгу.

20. Наведіть методологію оцінки та стратегію вибору програмної системи дейтамайнінгу.

21. Яка класифікація програмних систем дейтамайнінгу?

22. Наведіть огляд універсальних програмних систем дейтамайнінгу (загальна характеристика, архітектура та інструментарій), а саме компонент Oracle9i Data Mining, компонент DB2 Intelligent Miner служба Analysis Services в Microsoft SQL Server 2000, Knowledge Studio, SAS Enterprise Miner, Clementine.

23. Охарактеризуйте програмний продукт Polyanalyst.

24. Охарактеризуйте програмний продукт See5 – як представник систем, що використовують дерева рішень в процесі дейтамайнінгу.

25. Охарактеризуйте програмний продукт WizWhy – як представник класу програмних систем дейтамайнінгу, що використовує алгоритми обмеженого перебору для генерування правил.

26. Наведіть огляд систем, які використовують метод CBR.

27. Охарактеризуйте програмний продукт MineSet – як представник систем візуального дейтамайнінгу.

28. Дайте визначення штучних нейронних мереж та опишіть їх історію.

29. Які основні задачі вирішують штучні нейромережі?

30. Яка ідейна основа штучної нейронної мережі?

31. Опишіть сруктуру та властивості штучного нейрону.

32. Опишіть класифікацію нейромереж та їх властивості.

33. Яка архітектура нейромереж.

34. Опишіть методи навчання нейромережі.

35. Опишіть методлологію налагодження нейромережі.

36. Які особливості використання нейромереж в дейтамайнінгу.

37. Схарактеризуйте готове програмне забезпечення нейронних мереж.

38. Наведіть приклади вдалого використання нейромереж в економіці.

39. Яка ідейна основа генетичних алгоритмів?

40. Дайте визначення генетичного алгоритму та опишіть його структуру.

41. Опишіть поняття про: хромосому та її якість, популяцію, покоління, репродукцію.

42. Які основні характеристики генетичного алгоритму?

43. Які методи підвищення ефективності генетичних алгоритмів?

44. Які особливості генетичних алгоритмів – як спосіб вирішення задач оптимізації, переваги та недоліки.

45. Опишіть готове програмне забезпечення генетичних алгоритмів.

46. Наведіть приклади вдалого використання генетичних алгоритмів.

47. Дайте визначення програмних агентів.

48. Які сфери застосування програмних агентів?

49. Наведіть основні типи програмних агентів та їх приклади.

50. Перерахуйте базові характеристики програмних агентів.

51. Які передумови появи нечіткої логіки?

52. Де доречно використання нечіткої інформації?

53. Викладіть історію застосування нечіткої логіки в ІС.

54. Визначіть поняття нечіткої множини?

55. Що таке функція приналежності нечіткої множини?

56. Які існують методи побудови функцій приналежності?

57. Охарактеризуйте операції над нечіткими множинами.

58. Що таке лінгвістична змінна та її параметри?

59. Схарактеризуйте поняття нечіткого логічного висновку: поняття,  його етапи.

60. Опишіть алгоритми нечіткого логічного висновку.

61. Які особливості апарату нечіткої логіки: переваги та недоліки?

62. Охарактеризуйте готове програмне забезпечення застосування нечіткої логіки.

63. Які сфери застосування апарату нечіткої логіки в економічних інформаційних системах?

Порядок поточного і підсумкового оцінювання знань з дисципліни

Дисципліна читається в одному семестрі. Підсумковий  контроль знань у формі іспиту  проводиться в 7-му семестрі за  результатами вивчення всього курсу.

Поточний контроль

Поточний контроль знань студентів і рівень їх підготовки до занять здійснюється шляхом усного опитування, письмовою перевіркою, і перевіркою виконання лабораторних робіт  на комп’ютері.

Об'єктом поточного контролю знань студента з дисципліни є:

а) Систематичність та активність роботи на заняттях.

При контролі систематичності та активності роботи студентів оцінці підлягають: відвідування лекційних занять,  поточні оцінки при опитування на семінарських і практичних заняттях.

Оцінки активності та рівню знань студента при відповідях на теоретичні питання  та при розв'язанні завдань на практичних заняттях (від 0 до 10 балів):

• немає пропусків, всі поточні оцінки "відмінно"   - 10 балів

• немає пропусків, всі поточні оцінки "добре" та задовільно  -  5   балів

• має пропуски занять, є оцінки "незадовільно"   - 0 балів.

б) Виконання завдань для самостійного опрацювання.

Передбачає виконання наступного вибіркового завдання: написання студентами реферату на одну з переліку тем (Додаток 1), що відповідають навчальній програмі дисципліни і до поглибленого вивчення якої є зацікавленість студента. Проте, обрану тему студент погоджує з викладачем, а викладач спрямовує студента на написання реферату на тему, лекцію з якої пропустив студент. Написаний реферат, студент захищає і може отримати 5 балів. При цьому загальна кількість балів, що вноситься до залікової відомості за поточний контроль - не може перевищувати 40 балів.

с) Виконання модульних завдань.

Програма дисципліни умовно поділяється на два модулі, яким відповідають такі теми і модульні завдання.

Перший обов’язковий модуль по теоретичній частині курсу передбачає написання контрольної роботи, що охоплює всі теми курсу. За написання контрольної роботи студент може отримати максимально 10 балів (пакети контрольних завдань щорічно формуються з переліку питань питань, що охоплюють зміст робочої програми, ьа викладені в додатку 3).

Другий обов’язковий модуль по практичній частині курсу передбачає виконання 3-х лабораторних робіт, оформлених у вигляді письмових звітів. Максимально можлива оцінка за виконання кожної лабораторної роботи – 5 балів. Оцінку може бути знижено : а) за неповноту представлених результатів або припущені в них помилки; б) невчасне представлення звітів; в) неякісне оформлення звітів

д) Завдання, що не увійшли до об’єктів поточного контролю.

Якщо студент (протягом семестру, в якому вивчається дисципліна) за власним бажанням взяв участь у науковій конференції, або підготував наукову публікацію за темою дисципліни - то він може додатково отримати за це 10 заохочуючих балів. При цьому загальна кількість балів, що вноситься до залікової відомості за поточний контроль - не може перевищувати 40 балів.

Підсумковий контроль

З дисципліни «Інтелектуальний аналіз даних»  передбачено іспит.

Екзаменаційний білет  складається з  6-ти теоретичних питань.

Завдання для поточного контролю студентів заочної форми навчання

В рамках поточного  контролю студенти заочної форми навчання повинні опрацювати наступні блоки завдань:

1. Виконати 3 лабораторні роботи з переліку (див.п.5) та оформити їх у вигляді звіту (орієнтовний перелік рекомендованих предметних областей поданий у додатку 2).

2. Виконати модульну контрольну роботу з теоретичних питань (додаток 3).

3. За власним бажанням виконати таке завдання для самостійного опрацювання  - написати реферат на одну з тем, поданих в додатку 1.

Зразок екзаменаційного білету

СПИСОК РЕКОМЕНДОВАНОЇ ЛІТЕРАТУРИ

Основна література

Дюк В., Самойленко A. Data Mining: учебньш курс. - СПб: Питер, 2001. -368 с.

Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интелектуальная обработка информации. – М.: «Нолидж», 2000. – 352 с., ил.

Ситник В.Ф. Засоби дейтамайнінгу для аналізу бізнесових рішень. Науково-практичний журнал "Науково-технічна інформація", №3, 2002. - с.с. 60-64.

Ситник В.Ф. Системи підтримки прийняття рішень: Навч.посібник. - К.:КНЕУ, 2003.

Ситник   В.Ф.,   Гордієнко   І.В.   Системи   підтримки   прийняття   рішень: Навчально-методичний посібник для самостійного вивчення дисципліни. - К.: КНЕУ, 2003.

Филиппов В.А. Интеллектуальный анализ данных: методы и средства. – М.: Эдиториал УРСС, 2001.

Додаткова література

Berry, Michael J. A. and Gordon Linoff. Data Mining Techniques for Marketing, Sales, and Customer Support. New York: Wiley Computer Publishing, 1997.

Alex Berson, Stephen J. Smith. Data Warehousing, Data Mining, and OLAP (Data Warehousing/Data Management), 1997 – 640 p.

Додаток 1

ПЕРЕЛІК РЕКОМЕНДОВАНИХ ТЕМ ДЛЯ НАПИСАННЯ РЕФЕРАТІВ

1. Інтелектуальні інформаційні системи.

2. Історія теорії дейтамайнінгу та напрямки розвитку.

3. Сфери застосування дейтамайннгу в бізнесі та промисловості.

4. Використання концепції web- та  text-mining.

5. Класи процесів та основні види закономірностей дейтамайнінгу.

6. Основні методи дейтамайнінгу.

7. Метод побудови дерева рішень.

8. Вилучення правил, як представник логічних методів дейтамайнінгу.

9. Метод «найближчого сусіда».

10. Метод CBR.

11. Статистичні методи дейтамайнінгу.

12. Методи візуалізації даних.

13. Загальна  характеристика та приклади універсальних систем дейтамайнінгу.

14. Огляд модулів дейтамайнінгу в статистичних пакетах.

15. Універсальні програмні системи дейтамайнінгу.

16. Загальна характеристика, архітектура, інструментарій та приклади використання компоненту Oracle9i Data Mining.

17. Загальна характеристика, архітектура, інструментарій та приклади використання ій компоненту DB2 Intelligent Miner (компанії IBM).

18. Загальна характеристика, архітектура, інструментарій та приклади використання служби Analysis Services в Microsoft SQL Server 2000.

19. Загальна характеристика, архітектура, інструментарій та приклади використання пакету Knowledge Studio (компанії Angoss Software).

20. Загальна характеристика, архітектура, інструментарій та приклади використання пакету SAS Enterprise Miner.

21. Загальна характеристика, архітектура, інструментарій та приклади використання пакету Clementine (Integral Solutions).

22. Загальна характеристика, пакету Polyanalyst (компанії Megaputer Intelligence).

23. Опис архітектури та інструментарію пакету Polyanalyst (компанії Megaputer Intelligence).

24. Приклади використання пакету Polyanalyst (компанії Megaputer Intelligence).

25. Загальна характеристика, архітектура, інструментарій та приклади використання пакету See5.

26. Загальна характеристика, архітектура, інструментарій та приклади використання  пакету WizWhy.

27. Загальна характеристика, архітектура, інструментарій та приклади використання систем, які використовують метод CBR.

28. Загальна характеристика, архітектура, інструментарій та приклади використання пакету MineSet для візуального дейтамайнінгу (компанії Silicon Graphics).

29. Штучні нейронні мережі в інформаційних системах та їх історія.

30. Сфери використання штучних нейромереж.

31. Теоретичне підгруття штучних нейромереж.

32. Класифікація нейромереж.

33. Загальна характеристика, архітектура, інструментарій та приклади використання пакетів готового програмного забезпечення нейронних мереж.

34. Ідейна основа генетичних алгоритмів.

35. Теоретичне підгруття генетичних алгоритмів як спосіб вирішення задач оптимізації. Їх переваги та недоліки.

36. Загальна характеристика, архітектура, інструментарій та приклади використання готового програмного забезпечення генетичних алгоритмів.

37. Сфери застосування генетичних алгоритмів в бізнесі та промисловості.

38. Програмні агенти: визначення, типи та харакетристики програмних агентів.

39. Теоретичне пігрунття нечіткої логіки.

40. Нечіткий логічний висновок та його використання в економічних інформаційних системах.

41. Загальна характеристика, архітектура, інструментарій та приклади використання готового програмного забезпечення нечіткої логіки в народному господарстві.

Додаток 2

ОРІЄНТОВНИЙ ПЕРЕЛІК ПРЕДМЕТНИХ ОБЛАСТЕЙ,

РЕКОМЕНДОВАНИХ  ДЛЯ ВИКОНАННЯ ЛАБОРАТОРНИХ РОБІТ

1. Дейтамайнінг в торгівлі та маркетингу (аналіз купівельного кошика).

2. Дейтамайнінг в торгівлі та маркетингу (дослідження часових шаблонів продаж).

3. Дейтамайнінг в торгівлі та маркетингу (генерування прогностичних моделей покупців).

4. Дейтамайнінг в банківській справі (виявлення шахрайства з кредитними картакми).

5. Дейтамайнінг в банківській справі (сегментація клієнтів).

6. Дейтамайнінг в банківській справі (прогнозування змін клєнтури).

7. Дейтамайнінг в телекомунікаціях (аналіз про докладні характеристики викликів).

8. Дейтамайнінг в телекомунікаціях (виявлення лояльності клієнтів).

9. Дейтамайнінг в страховій справі (виявлення шахрайств).

10. Дейтамайнінг в страховій справі (аналіз ризику).

11. Дейтамайнінг в ріелторській справі (оцінка нерухомості).

12. Дейтамайнінг в логістиці (пошук оптимального логістичного ланцюжка).

13. Дейтамайнінг в електронній комерції  (для побудови рекомендаційних систем інтернет-магазинів).

14. Дейтамайнінг в електронній комерції  (для вирішення проблеми персоналізації відвідувачів).

15. Дейтамайнінг в происловості (прогнозування якості виробів в залежності від вимірюваних параметрів технологічного процесу).

З повагою ІЦ “KURSOVIKS”!