WWW.PDF.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Разные материалы
 

«ФАКУЛЬТЕТ ПРИКЛАДНОЙ ИНФОРМАТИКИ УТВЕРЖДАЮ Декан факультета прикладной информатики, профессор С.А. Курносов «» _ 2015 г. Рабочая программа дисциплины «Технологии ...»

МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ»

ФАКУЛЬТЕТ ПРИКЛАДНОЙ ИНФОРМАТИКИ

УТВЕРЖДАЮ

Декан факультета прикладной

информатики, профессор __________________ С.А. Курносов «____» _____________ 2015 г.

Рабочая программа дисциплины «Технологии обработки информации»

Направление подготовки Информационные системы и технологии Профиль подготовки Информационные системы и технологии Уровень подготовки Бакалавриат (академический) Форма обучения Очная Краснодар 2015

1. Цели освоения дисциплины Основной целью освоения дисциплины «Технологии обработки информации»

является освоение знаний у студентов об основных процедурах, моделях, методах и средствах обработки информации; алгоритмах обработки информации для различных приложений, а также систематизированное представление о концепциях, моделях и принципах технологий обработки информации.

В процессе изучения дисциплины «Технологии обработки информации» решаются следующие задачи:

ознакомление с принципами организации информационного обмена и консолидации информации, ее поиска и извлечения;

получение представления о трансформации данных и способах их визуализации.

Данная дисциплина относится к вариативной части образовательной программы бакалавриата.

Для успешного освоения дисциплины необходимы знания по следующим дисциплинам и разделам ОП:

– Информатика.

– Алгоритмизация и программирование.

2. Место дисциплины в структуре ОП бакалавриата Дисциплина является дисциплиной вариативной части в структуре ОП.

3. Компетенции обучающегося, формируемые в результате освоения дисциплины Процесс изучения дисциплины направлен на формирование следующих компетенций:

Профессиональные компетенции (ПК):

– способность проводить техническое проектирование (ПК-2);

– способность проводить моделирование процессов и систем (ПК-5);

– способность проводить сбор, анализ научно-технической информации, отечественного и зарубежного опыта по тематике исследования (ПК-22);

– готовность участвовать в постановке и проведении экспериментальных исследований (ПК-23);

– способность оформлять полученные рабочие результаты в виде презентаций, научно-технических отчетов, статей и докладов на научно-технических конференциях (ПК-26).

Виды профессиональной деятельности:

Виды и задачи профессиональной деятельности по дисциплине:

проектно-конструкторская деятельность:

- техническое проектирование (реинжиниринг);

- моделирование процессов и систем;

научно-исследовательская деятельность:

- сбор, анализ научно-технической информации, отечественного и зарубежного опыта по тематике исследования;

- участие в работах по проведению вычислительных экспериментов с целью проверки используемых математических моделей.

4. Структура и содержание дисциплины «Технологии обработки информации»

–  –  –

5. Образовательные технологии Исследовательские методы обучения - организация обучения на основе поисковой, познавательной деятельности студентов путем постановки преподавателем познавательных и практических задач, требующих самостоятельного творческого решения. Сущность исследовательского метода обучения обусловлена его функциями.

Метод организует творческий поиск и применение знаний, является условием формирования интереса, потребности в творческой деятельности, в самообразовании.

Основная идея исследовательского метода обучения заключается в использовании научного подхода к решению той или иной учебной задачи.

Работа студентов в этом случае строится по логике проведения классического научного исследования с использованием всех научно-исследовательских методов и приемов, характерных для деятельности ученых. Основные этапы организации учебной деятельности при использовании исследовательского метода, который используется для написания курсового проекта.

Контроль освоения дисциплины «Технологии обработки информации» проводится в соответствии с Пл КубГАУ 2.5.1 «Текущий контроль успеваемости и промежуточная аттестация студентов».

Текущий контроль по дисциплине «Технологии обработки информации»

позволяет оценить степень восприятия учебного материала и проводится для оценки результатов изучения разделов/тем дисциплины.

Текущий контроль проводится как контроль тематический (по итогам изучения определенных тем дисциплины) и рубежный (контроль определенного раздела или нескольких разделов, перед тем, как приступить к изучению очередной части учебного материала).

Рефераты Реферат это краткое изложение в письменном виде содержания и результатов индивидуальной учебно-исследовательской деятельности, имеет регламентированную структуру, содержание и оформление.

Его задачами являются:

1. Формирование умений самостоятельной работы студентов с источниками литературы, их систематизация;

2. Развитие навыков логического мышления;

3. Углубление теоретических знаний по проблеме исследования.

Текст реферата должен содержать аргументированное изложение определенной темы. Реферат должен быть структурирован (по главам, разделам, параграфам) и включать разделы: введение, основная часть, заключение, список используемых источников. В зависимости от тематики реферата к нему могут быть оформлены приложения, содержащие документы, иллюстрации, таблицы, схемы и т. д.

6. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.

–  –  –

Рекомендуемая тематика рефератов по курсу:

Арифметический и словарно - ориентированные алгоритмы сжатия.

Машинное обучение и классы задач Data Mining.

Языки визуального моделирования в аналитических платформах.

Хранилища данных.

Детализированные и агрегированные данные, метаданные.

Кубы данных.

Классификация проблем в "грязных" данных.

Трансформация данных.

Трансформация временных рядов.

Квантование данных.

Кодирование категориальных данных.

11 OLAP-анализ.

Обнаружение аномальных значений данных.

Древовидные визуализаторы, визуализаторы связей, двумерные карты.

Фреймовая модель представления знаний.

Нейросетевые системы и семантические сети.

Создание и наполнение хранилища данных.

Извлечение информации из хранилища данных, построение OLAP-кубов.

Модификация структуры хранилища данных.

Манипуляция с упорядоченными данными, групповые операции с данными.

Соединение и разбиение наборов данных.

Транспонирование наборов данных.

Изучение способов визуализации информации.

Создание OLAP-отчетов.

Изучение способов визуализации информации.

Сложный профайлинг данных.

Аудит данных и сокращение признаков.

Алгоритмы сжатия.

Классификация проблем в "грязных" данных.

Основные методы трансформации.

Кодирование категориальных данных.

Древовидные визуализаторы, визуализаторы связей, двумерные карты.

Фреймовая модель представления знаний.

Нейросетевые системы и семантические сети.

Самостоятельные работы Самостоятельная работа 1 «Алгоритмы сжатия: Шеннона-Фано, Хаффмена, арифметический, словано-ориентированные алгоритмы»

Задание №1 Дана схема f задает взаимно-однозначное кодирование. Расшифровать последовательность b = 001010001.

–  –  –

Построить последовательность чисел, записывая их в двоичной системе счисления.

Построить схему f алфавитного кодирования, выбирая в качестве элементарного кода v t последовательность из 0 и 1 длины l t, образующую дробную часть числа q t.

–  –  –

Задание №4

Провести кодирование приведенных ниже последовательностей алгоритмом Хаффмана:

B={b 1, b 2, b 3, b 4, b 5, b 6, b 7 } и P={0,20; 0,20; 0,19; 0,12; 0,11; 0,09; 0,09} Определить стоимость кодирования.

Задание №5

Применить алгоритм Шеннона-Фано к следующему распределению вероятностей:

B={b 1, b 2, b 3, b 4, b 5, b 6, b 7 } и P={0,20; 0,20; 0,19; 0,12; 0,11; 0,09; 0,09} Определить стоимость кодирования.

Самостоятельная работа 2 «Языки визуального моделирования»

Задание №1 Выбрать тему и закрепить ее у преподавателя. Для выбранной темы построить диаграмму вариантов использования.

Установить контекст системы, идентифицировав окружающих ее актеров.

Для каждого актера рассмотреть поведение, которого он ожидает или требует от системы.

Поименовать эти общие варианты поведения как прецеденты.

Выделить общее поведение в новые прецеденты, которые будут использоваться другими;

выделить вариации поведения в новые прецеденты, расширяющие основные потоки событий.

Смоделируйте эти прецеденты, актеры и отношения между ними на диаграмме прецедентов.

Дополните прецеденты примечаниями, описывающими нефункциональные требования;

некоторые из таких примечаний можно присоединить к системе в целом.

Задание №2 Выбрать тему и закрепить ее у преподавателя. Для выбранной темы построить диаграмму деятельности.

Построить граф деятельности, вершинами которого являются состояния действия или деятельности, а дугами - переходы от одного состояния действия к другому.

Самостоятельная работа 3 «Сценарии. Базовые операции над узлами сценария»

Создайте новый проект и сохраните его под именем test2.ded.

Создайте и сохраните в любом текстовом редакторе файл следующего вида:

a,1,4.5,b,c,26/04/2007,d a1,0,5,b1,c1,,d1 Импортируйте его в Deductor, корректно настроив параметры импорта. Используйте относительный путь для файла. Метку узла переименуйте в Пример импорта файла. В комментарии к узлу впишите: Текстовый файл с разделителями-запятыми.

Добавьте к узлу узел Настройка набора данных и задайте следующие метки к столбцам:

Поле1, Поле2, Поле3 и т.д.

Экспортируйте набор данных в текстовый файл с настройками, предлагаемыми по умолчанию.

Импортируйте только что экспортированный файл в Deductor.

Присоедините к новому узлу импорта (путем копирования) предыдущую ветвь, начиная с узла Настройка набора данных.

Между экспортом и настройкой набора данных вставьте еще один узел настройки, в котором измените тип столбца Поле2 на логический.

Удалите только что вставленный узел. Сохраните проект.

Самостоятельная работа 4 «Узлы. Сортировка. Замена. Фильтрация»

Создайте новый проект. Импортируйте в него текстовый файл CreditSample.txt, идущий в поставке Deductor (по умолчанию расположен в каталоге /Samples директории установки Deductor).

Отсортируйте этот набор данных по следующим полям в порядке возрастания: Срок ссуды, Размер ссуды, Количество иждивенцев.

Сделайте следующую замену (после Сортировки) в поле Семейное положение: значение Да измените на Женат/замужем, Нет – на Холост/Не замужем.

Сделайте следующую замену (после предыдущего узла Замена данных) в поле Количество иждивенцев: значение 0 – на Нет, 1 – без изменений, 2 и 3 – 2 и более. Используйте два способа – непосредственным вводом в мастере обработки и через файл таблицы соответствий.

Файл подстановок предварительно создайте в любом текстовом редакторе, например, в Блокноте.

Старое поле Количество иждивенцев удалите из набора данных, а новое поле Количество иждивенцев_REPLACE переименуйте в Иждивенцы.

Отфильтруйте набор данных, полученный в п. 5 по полю Иждивенцы так, чтобы в выходной набор попали только строки, у которых значение в поле Иждивенцы не равно Нет.

Сколько записей прошло через фильтр?

Отфильтруйте набор данных, полученный в п. 5 по полю Иждивенцы так, чтобы в выходной набор попали только строки, у которых значение в поле Иждивенцы не равно Н/д.

Сколько записей прошло через фильтр?

Продолжите фильтровать набор данных, полученный в п. 6. Наложите следующий фильтр, в который попадают все записи, удовлетворяющие условиям a либо условиям b: a. Размер ссуды – от 2000 до 5000, Цель ссуды – Покупка товара. b. Цель ссуды – Иное.

Сколько записей прошло через фильтр?

Отсортируйте последний набор данных по полю Код.

Самостоятельная работа 5 «Проектирование структуры хранилища данных»

Имеется история продаж различных товаров по дням в нескольких торговых объектах.

Товары объединены в группы. Требуется спроектировать структуру хранилища данных. Данные представлены в таблицах ниже.

Самостоятельная работа 6 «Извлечение информации из хранилища данных»

Осуществить импорт данных из процесса Продажи за последние 3 месяца.

Осуществить импорт измерений.

Самостоятельная работа 7 «Кубы данных»

Создать куб данных в Deductor Studio. Настроить автоматическое обновление куба при попадании в хранилище новых данных. Проверить, актуален ли куб.

Самостоятельная работа 8 «Визуализация данных»

Задание №1 Применить к набору данных визуализатор Диаграмма. Произвести настройку диаграммы.

Построить ретропрогноз.

Задание №2 Для полей набора данных применить визуализатор Гистограмма. Настроить гистограмму.

Задание №3 Применить визуализатор Многомерная диаграмма к набору данных. Настроить многомерную диаграмму.

Задание №4 Применить визуализатор Диаграмма размещения к набору данных. Настроить диаграмму размещения.

Самостоятельная работа 9 «OLAP-кубы»

Построить многомерный отчет, отражающий динамику сумм продаж по месяцам года в разрезе групп и аптек. Настроить возможность производить вычисления «на лету».

Самостоятельная работа 10 «Очистка и предобработка данных»

Провести первичную оценку качества массива данных (аудит данных).

Для сокращения признаков применить корреляционный анализ и метод главных компонент.

Сложный профайлинг данных:

1. Подозрение на ошибку в розничной цене.

2. Цена реализации меньше цены поставщика.

3. Аномальное количество товара.

Вопросы на зачет:

Основные алгоритмы сжатия: Шеннона-Фено, Хафмена, арифметический, словарно 1.

- ориентированные алгоритмы.

Методы кодирования 2.

Современные технологии анализа данных.

3.

Базовая терминология анализа данных, понятие модели и моделирования.

4.

Машинное обучение и классы задач Data Mining.

5.

Классификация программных продуктов для создания аналитических решений.

6.

Характеристики аналитических платформ.

7.

Языки визуального моделирования в аналитических платформах.

8.

Системы и сети информационного обмена. Обобщенная схема процесса 9.

консолидации. Предпосылки появления ХД. Основные требования к ХД. Задачи, решаемые ХД. Детализированные и агрегированные данные, метаданные.

Многомерное представление данных и многомерный куб, MOLAP; измерения и 10.

факты; операции с многомерным кубом, ROLAP, схемы "звезда" и снежинка", HOLAP, преимущества и недостатки гибридной архитектуры ХД.

Классификация информационных объектов.

11.

Трансформация временных рядов: скользящее окно, интервал и горизонт прогноза, 12.

глубина погружения. Преобразование даты и времени, группировка и разгруппировка данных. Объединение данных. Внутреннее и внешнее соединение.

Что такое трансформация. Цели трансформации и ее роль в процессе ETL.

13.

Основные методы трансформации.

Многопоточная загрузка и постзагрузочные операции. Преимущества и недостатки 14.

отказа от создания ХД.

Преобразование структур данных: агрегирование, перевод значений и пр.

15.

Организация процесса загрузки в ХД.

Организация процесса извлечения данных. Уровни очистки данных.

16.

Классификация проблем в "грязных" данных.

Концепция виртуальных хранилищ данных. Процесс ETL, его основные цели и 17.

задачи. Выбор используемых источников данных.

Цели квантования, выбор числа интервалов квантования, методы квантования, 18.

основные методы нормализации.

Нормализация с помощью поэлементных преобразований. Кодирование 19.

категориальных данных.

Цели и задачи визуализации, группы методов визуализации. Общие визуализаторы:

20.

графики, диаграммы, гистограммы, статистика.

OLAP-анализ, Манипуляции с OLAP-кубами. Матрицы классификации, диаграммы 21.

рассеяния, ретропрогноз, коэффициенты регрессии, визуализация контроля обучения моделей. Древовидные визуализаторы, визуализаторы связей, двумерные карты.

Концепция управления качеством информации. Уровни качества данных, оценка 22.

пригодности данных к анализу.

Оценка качества данных по их происхождению, профайлинг данных. Визуальная 23.

оценка качества данных.

Выявление трудно формализуемых ошибок. Предобработка данных и ее отличие от 24.

очистки. Типичный набор инструментов предобработки в аналитическом приложении.

Фильтрация данных.

25.

Качество информационно-поисковых систем. Обработка информации с целью 26.

получения знаний.

Логическая модель представления знаний.

27.

Фреймовая модель представления знаний.

28.

Нейросетевые системы и семантические сети.

29.

Системы обработки входящей текстовой информации, методы поиска текстовой 30.

информации.

Задача ассоциации, кластеризация, классификация и регрессия, статические 31.

методы, машинное обучение.

Сокращение признаков на основе информационных оценок. Метод главных 32.

компонент.

Постановка задачи сокращения размерности. Требования к алгоритмам снижения 33.

размерности данных. Отбор признаков на основе статистических показателей.

Виды аномалий. Обнаружение аномальных значений специальными методами.

34.

Происхождение пропусков в данных, способы восстановления пропущенных значений.

Обработка дубликатов и противоречий.

35.

Обобщенная модель дубликатов и противоречий.

36.

7. Учебно-методическое и информационное обеспечение дисциплины

Основная литература:

Борисова И.В. Цифровые методы обработки информации [Электронный 1.

ресурс]: учебное пособие/ Борисова И.В.— Электрон.текстовые данные.— Новосибирск:

Новосибирский государственный технический университет, 2014.— 139 c.— Режим доступа: http://www.iprbookshop.ru/45061.— ЭБС «IPRbooks»

Постников В.М. Основы эксплуатации автоматизированных систем 2.

обработки информации и управления. Краткий курс [Электронный ресурс]: учебное пособие/ Постников В.М.— Электрон.текстовые данные.— М.: Московский государственный технический университет имени Н.Э. Баумана, 2013.— 180 c.— Режим доступа: http://www.iprbookshop.ru/31494.— ЭБС«IPRbooks»

Хетагуров Я.А. Проектирование автоматизированных систем обработки 3.

информации и управления [Электронный ресурс]: учебник/ Хетагуров Я.А.— Электрон.текстовые данные.— М.: БИНОМ. Лаборатория знаний, 2015.— 242 c.— Режим доступа: http://www.iprbookshop.ru/37091.— ЭБС «IPRbooks»

Дополнительная литература:

Игнатова Е.В. Язык информационных технологий [Электронный ресурс]:

1.

учебное пособие/ Игнатова Е.В.— Электрон. текстовые данные.— М.: Евразийский открытый институт, 2011.— 75 c.— Режим доступа: http://www.iprbookshop.ru/11143.— ЭБС «IPRbooks»

Исакова А.И. Информационные технологии [Электронный ресурс]: учебное 2.

пособие/ Исакова А.И., Исаков М.Н.— Электрон. текстовые данные.— Томск: Томский государственный университет систем управления и радиоэлектроники, Эль Контент, 2012.— 174 c.— Режим доступа: http://www.iprbookshop.ru/13938.— ЭБС «IPRbooks»

–  –  –

Информационно-телекоммуникационные ресурсы сети «Интернет»:

Научная электронная библиотека www.eLIBRARY.RU

8. Материально-техническое обеспечение дисциплины

–  –  –

Помещения для самостоятельной работы: аудитория 5 корпуса экономического факультета - ПК (8 штук) с доступом к сети Интернет, сетевое оборудование, специализированное ПО (Microsoft Visual Studio 2008-2015 по программе MS DreamSpark, FineReader 11, MS Office Standart 2010, MS Office Standart 2013, Internet Explorer).

Программа составлена в соответствии с требованиями стандарта ФГОС ВО по направлению подготовки 09.03.02 «Информационные системы и технологии», профиль подготовки «Информационные системы и технологии».

Автор:

Грубич Т.Ю., старший преподаватель Программа одобрена на заседании методической комиссии факультета прикладной информатики от «30» марта 2015 г., протокол № 7.



Похожие работы:

«Министерство образования Республики Беларусь Учреждение образования «Белорусский государственный университет информатики и радиоэлектроники» Кафедра химии И.В Боднарь, А.П. Молочко, Н.П. Соловей ХИМИЯ УЧЕБНО-МЕТОДИЧЕСКОЕ ПОСОБИЕ для студентов факультета заочного, вечернего и дистанционного обучения всех специальностей БГУИ...»

«Вычислительные технологии Том 7, № 1, 2002 ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ ГАЗОДИНАМИЧЕСКИХ ПРОЦЕССОВ В КАМЕРЕ СГОРАНИЯ АВТОМОБИЛЬНОГО УСТРОЙСТВА БЕЗОПАСНОСТИ (AIRBAG) А. Д. Рычков, Н. Ю. Шокина Институт вычислительных технологий СО РАН, Новосибирск, Росс...»

«Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования «Поволжский государственный университет телекоммуникаций и информатики» «УТВЕРЖДАЮ» Декан факультета _ФИСТ наименование факультета Салмин А.А._ подпись Фамилия И.О. « » _ 2014_ г. РАБОЧАЯ ПРОГРАММА...»

«TNC 320 Руководствопользователя Программированиециклов Программное обеспечение с ЧПУ 771851-02 771855-02 Русский (ru) 5/2015 Основные положения Основные положения О данном руководстве О данном руководстве Ниже приведен список символов-указаний, используемых в данном р...»

«Заключительный этап Всесибирской открытой олимпиады школьников по информатике 15 марта 2015 года Для всех задач: Имя входного файла: input.txt Имя выходного файла: output.txt Ограничение по памяти: 256 М...»

«TNC 320 Руководствопользователя Программированиециклов Программноеобеспечение NC 771851-01 771855-01 Русский (ru) 11/2014 Основные положения Основные положения О данном руководстве О данном руководстве Ниже приведе...»

«Министерство образования Республики Беларусь Учреждение образования Белорусский государственный университет информатики и радиоэлектроники «Утверждаю» Проректор по учебной работе и социальным вопросам _ А.А. Хмыль «_»...»

«Зайцев Владислав Вячеславович РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДИКИ ПРОЕКТИРОВАНИЯ БАЗЫ МЕТАДАННЫХ ХРАНИЛИЩА ГЕОДАННЫХ Специальность 25.00.35 – «Геоинформатика» ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук Научный руководитель д-р техн. наук, проф. А.А. Майоров Москва 2015   ОГЛАВЛЕНИЕ...»

«Второй (заключительный) этап академического соревнования Олимпиады школьников «Шаг в будущее» по общеобразовательному предмету «Информатика» 10 класс, февраль, 2016 г. Вариант № 2. Задание 1 (12 балло...»





















 
2017 www.pdf.knigi-x.ru - «Бесплатная электронная библиотека - разные матриалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.