Тема 2. Предобработка и очистка данных
Основные положения непараметрической и нечисловой статистики. Таблицы сопряженности. Таблица сопряженности 2х2. Таблицы флагов и заголовков. Непараметрические и нечисловые критерии. Канонический анализ. Корреляционная матрица. Коэффициенты канонической корреляции. Задачи классификации и регрессии. Использование статистических пакетов для интеллектуального анализа данных.
Разведочный анализ данных. Очистка и фильтрация данных. Статистические диаграммы. Методология KDD. Задачи предобработки данных. Технология ETL. Просмотр данных. Очистка данных. Оценка качества данных. Заполнение пропущенных данных. Аномальные и предельные данные. Использование ящечной диаграммы. Выявление дубликатов и противоречий. Использование факторного анализа при предобработке данных. Трансформация данных. Квантование. Сэмплинг. Группировка данных.
Тема 3. Классификационный анализ без обучения. Кластерный анализ
Общая характеристика задачи классификации. Постановка задач кластерного анализа. Определение кластера. Параметры кластера. Меры близости. Метрики кластерного анализа. Базовые алгоритмы кластеризации. Иерархическая кластеризация. Дендограммы. Метод К-средних. Профили кластеров. Взаимосвязь кластерного и регрессионного анализа. Использование пакета Deductor для решения задач кластерного анализа. Кластерный анализ в средствах интеллектулаьного анализа MicrosoftOffice.
|
|
|
Тема 4. Классификационный анализ с обучением
Меры избыточности переменных. Задачи ассоциации. Ассоциативные правила.Поддержка и достоверность ассоциативных правил. Лифт. Алгоритмы построения ассоциативных правил. Рекомендации по генерации правил. Алгоритм apriori. Использование пакета Deductor для построения ассоциативных правил. Формулировка задачи классификации. Классификационный анализ с обучением. Деревья решений. Алгоритмы построения деревьев решений. Классификация критериев разбиений. Критерий Gini. Деревья классификации и их свойства. Типы ветвления. Методы и алгоритмы построения деревьев. Алгоритм CART. Определение прекращения построения дерева классификации. Использование нейронных сетей для решения задач классификации. Карты Кохоннена. Логистическая регресссия. Сравнение результатов классификации различными методами.
Примеры алгоритмов построения деревьев решений. Использование статистических пакетов Deductor, Statistica, Excel для построения деревьев решений.
Тема 5. Средства моделирования и проектирования бизнес-процессов
Структурныйанализипроектирование.МетодологияSADT:история, идея,модельисистема;цель,точказрения,субъект;иерархиядиаграмм; графическая нотацияSADT;топологиядопустимыхсвязей. ЭтапыпроцессамоделированияSADT. СемействометодологийIDEF.Стандартфункционального моделированияIDEF0.МетодологияIDEF3.
|
|
|
Методология BPMN. BPM-системы. Системы моделирования и автоматизации исполнения бизнес-процессов. Обзор системы Bizagi. Характеристика BizagiModeler. Этапы построения и исследования бизнес-модели. Характеристика BizagiStudio.
Этапы жизненного цикла информационно-аналитических систем. Модели жизненного цикла. Организация проектирования. Управление проектом. Средства управления проектом. Системы Microsoftproject.
4. Материалы текущего контроля успеваемости обучающихся и фонд оценочных средств промежуточной аттестации по дисциплине
Формы и методы текущего контроля успеваемости обучающихсяипромежуточной аттестации.
В ходе реализации дисциплиныБ1.Б.03«Информационно-аналитические технологии государственного и муниципального управления» используются следующие методытекущего контроля успеваемости обучающихся:
| Наименование темы | Формы контроля | ||
| очная форма обучения | |||
| Тема 1. Информационно-аналитические технологии и информационно-аналитические системы | РГР | ||
| Тема 2. Предобработка и очистка данных | |||
| Тема 3. Классификационный анализ без обучения. Кластерный анализ | ДЗ | ||
| Тема 4. Классификационный анализ с обучением | ДЗ | ||
| Тема 5. Средства моделирования и проектирования бизнес-процессов | ДЗ/КР/Т | ||
| ИТОГО | Экзамен | ||
| заочная форма обучения
 Мы поможем в написании ваших работ! | |||