Часть: Часть, формируемая участниками образовательных отношений

Модуль: Модуль "Инфраструктура управления большими данными"

Семестр: 2

Старая версия

Наименование компетенции ФГОС ВО

Индикаторы достижения компетенций

Способен применять методы системного анализа и моделирования для анализа и автоматизации бизнес-процессов предприятия (ПК-4.2) Знаний:
  • методики описания и моделирования бизнес-процессов
  • средства моделирования бизнес-процессов
  • основы реинжиниринга и автоматизации бизнес-процессов предприятия
Умений:
  • выбирать инструменты и методы моделирования и автоматизации бизнес-процессов
Навыков:
  • владеет навыками бизнес-аналитики эффективности процессов предприятия
Способен выполнять деятельность по сбору, хранению и аналитике данных для поддержки рыночной стратегии предприятия (ПК-4.3) Знаний:
  • основные способы хранения , предварительной обработки данных и методы аналитики данных, связанных с рынком
Умений:
  • формулировать задачи аналитических исследований и выполнять интерпретацию аналитических результатов, полученных с помощью прикладных программных пакетов
Навыков:
  • навыками использования основных аналитических инструментов (пакетов статистического анализа, платформ бизнес-аналитики) в исследованиях рынков
  • Зачет с оценкой (2 семестр)

Вид учебной работы Часов
(по видам работ)
Семестры
2
Контактная работа (всего) 32 32

Лабораторные занятия

20 20

Практические занятия

12 12

Самостоятельная работа

76 76
Всего, часов/зачетных единиц 108 / 3 108 / 3

Показаны записи 1-4 из 4.
Наименование раздела дисциплиныСодержание разделаВсего, час (без контроля и консультаций)ПРЛабСР
Введение в анализ данных и машинное обучениеВведение. Анализ данных и машинное обучение. Исторический обзор теории машинного обучения. Обзор задач машинного обучения. Понятия и терминология машинного обучения. Классификация задач машинного обучения. Обучение с учителем. Метод коррекции ошибки. Метод обратного распространения ошибки. Обучение без учителя. Обучение с подкреплением. Метод ближайших соседей. Библиотеки языка Python для работы с данными (NumPy, Pandas, Scikit-Learn).324622
Задача классификации данных (логические и метрические)Задачи классификации. Логические методы классификации. Решающие деревья. Жадная нисходящая стратегия 'разделяй и властвуй'. Алгоритм ID3. Недостатки жадной стратегии и способы их устранения. Проблема переобучения. Случайный лес. Метрические методы классификации. 302622
Задача классификации данных (логические и метрическиеОбобщённый метрический классификатор. Метод ближайших соседей kNN и его обобщения. Подбор числа k по критерию скользящего контроля. Метод потенциальных функций и его связь с линейной моделью классификации. Непараметрическая регрессия. Локально взвешенный метод наименьших квадратов. Ядерное сглаживание. Задача отбора признаков. Жадный алгоритм построения метрики.232417
Задача классификации данных (линейные методы и Байесовская классификация)Линейные методы классификации. Метод стохастического градиента для настойки линейных классификаторов. Регуляризация. Линейная регрессия от одной переменной. Модель представления. Функция оценивания. Метод градиентного спуска. Линейная регрессия от многих переменных. Полиномиальная регрессия. Проблема переобучения и недообучения. Отображение данных. Байесовская классификация и оценивание плотности.234415

1) Станкевич, Лев Александрович. Интеллектуальные системы и технологии [Электронный ресурс] : учеб. и практикум для вузов / Л. А. Станкевич. – Москва : Юрайт, 2024. – (Высшее образование). – Добавлено: 06.05.2024. – Проверено: 28.11.2025. – Режим доступа: ЭБС Юрайт по паролю. – ISBN 978-5-534-16238-7. - URL: https://urait.ru/book/intellektualnye-sistemy-i-tehnologii-536688.
2) Ясницкий, Леонид Нахимович. Интеллектуальные системы [Электронный ресурс] : учебник / Л. Н. Ясницкий. – Москва : Лаборатория знаний, 2020. – (Учебник для высшей школы). – Добавлено: 29.05.2024. – Проверено: 28.11.2025. – Режим доступа: ЭБС Лань по паролю. – ISBN 978-5-00101-897-1. - URL: https://e.lanbook.com/book/151510.
3) Теофили, Томмазо. Глубокое обучение для поисковых систем [Электронный ресурс] / Т. Теофили. – Москва : ДМК Пресс, 2020. – Добавлено: 30.05.2024. – Проверено: 28.11.2025. – Режим доступа: ЭБС Лань по паролю. – ISBN 978-5-97060-776-3. - URL: https://e.lanbook.com/book/140574.
1) Фролов, Юрий Викторович. Стратегический менеджмент. Формирование стратегии и проектирование бизнес-процессов [Электронный ресурс] : учеб. пособие для вузов / Ю. В. Фролов, Р. В. Серышев ; под ред. Ю. В. Фролова. – Москва : Юрайт, 2024. – (Высшее образование). – Добавлено: 08.05.2024. – Проверено: 28.11.2025. – Режим доступа: ЭБС Юрайт по паролю. – ISBN 978-5-534-09015-4. - URL: https://urait.ru/book/strategicheskiy-menedzhment-formirovanie-strategii-i-proektirovanie-biznes-processov-538640.
2) Методы и модели исследования сложных систем и обработки больших данных [Электронный ресурс] : монография / И. Ю. Парамонов, В. А. Смагин, Н. Е. Косых, А. Д. Хомоненко ; под ред. В. А. Смагина, А. Д. Хомоненко. – Санкт-Петербург ; Москва ; Краснодар : Лань, 2020. – (Учебники для вузов. Специальная литература). – Добавлено: 30.05.2024. – Проверено: 28.11.2025. – Режим доступа: ЭБС Лань по паролю. – ISBN 978-5-8114-4006-1. - URL: https://e.lanbook.com/book/126938.
3) Сахнюк, Павел Анатольевич. Платформы бизнес-аналитики : учеб. пособие / П. А. Сахнюк, Т. И. Сахнюк ; Департамент образования и науки г. Москвы, Гос. автоном. образоват. учреждение высш. образования г. Москвы "Моск. гор. пед. ун-т" (ГАОУ ВО МГПУ), Ин-т цифрового образования, Департамент информатики, упр. и технологий ; рец. К. Г. Шумкова. – Москва : МГПУ, 2022. – 283 с. : ил., табл. – Библиогр.: с. 281–283. – ISBN 978-5-243-00713-9. - URL: https://resources.mgpu.ru/showlibraryurl.php?docid=558535&foldername=fulltexts&filename=558535.pdf.

Показаны записи 1-3 из 3.
Учебная аудиторияМатериально-техническое обеспечение
Аудитория для практической работыКомпьютер, проектор с экраном, колонки, доска, ноутбук, специализированная мебель, наборы демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации.
Аудитория для лабораторной работыКомпьютер, проектор с экраном, колонки, доска, ноутбук, специализированная мебель, наборы демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации.
Помещение для самостоятельной работыКомпьютер, проектор с экраном, колонки, доска, ноутбук, специализированная мебель, наборы демонстрационного оборудования и учебно-наглядных пособий, обеспечивающие тематические иллюстрации.
Microsoft Visual Studio, Office 365, MS Visio 2016, MSProject 2016
Статус Автор Дата
Подписано простой электронной подписью Симонян Анжелика Владимировна 2025-07-15 11:13:11