Предмета icon

Предмета


Смотрите также:
О преподавании учебного предмета «Иностранный язык» в общеобразовательных учреждениях...
План и содержание лекций Общий план курса: План и содержание лекций 1 Общий план курса: 1 I...
Внутришкольный контроль преподавания предмета «Человек и мир» (методические рекомендации)...
«изображение предмета в собирающей линзе» в 11 классе...
Почему необходимо изучать в школе предмет...
О преподавании учебного предмета...
Образовательная программа по предмету «вокал» (в рамках «предмета по выбору)...
Содержание программы семинарских занятий по курсу: «Социальная психология» I...
Пояснительная записка Общая характеристика учебного предмета Значимость предмета «Русский язык»...
Лекция Вводная...
Методическое письмо “ Опреподавании учебного предмета «Литература»...
Тесты и задачи госэкзамена по экономической теории....



Загрузка...
скачать


КЫРГЫЗСКО-ТУРЕЦКИЙ УНИВЕРСИТЕТ ”MAНАС” СИЛЛАБУС



Факультет

Институт естественных наук

Отделение/программа

Компьютерная инженерия

Преподаватель

ФИО:




e-mail:







кабинет:




^ Время работы:

8.30-17.30

Название предмета:

Хранилища данных и интеллектуальный анализ данных

Предмет

Код:

BİL-537

Язык:

Кыргызский

Год:

2011-2012

Основной/Выборочный:

Основной

Семестр:

Жазгы

^ Часов в неделю:

3

Кредит:

(3+0)3

Примечание




Время:

13:30 – 16:05

Аудитория:

518

Методы:

Применение компьютера и проектора

Содержание:

Хранилище данных и интеллектуальный анализ данных охватывает классические алгоритмы интеллектуального анализа данных и хранилищ данных. Курс состоит из двух частей. Первая часть охватывает DM часть, Вторая часть охватывает часть DW.

Цель:

Помочь студентам понять и реализовать классические алгоритмы интеллектуального анализа данных и хранилищ данных. Студенты научатся анализировать данные, выявлять проблемы, и выбирать соответствующие алгоритмы для применения. Они смогут оценить сильные и слабые стороны алгоритмов и анализа их поведения на реальных данных.

^ Результаты обучения

Мини-проекты: DWDM курс поддерживает приложения хранилищ данных и алгоритмов интеллектуального анализа данных. Во время семестра студенты будут работать над конкретным мини-проектом. Студенты могут выбрать любую тему из предмета хранилища данных и интеллектуального анализа данных, или выбрать мини-проект из списка предложенных мини-проектов. Над проектом будут работать малые группы из двух-четырех человек. Мини-проект является неотъемлемой частью итогового экзамена.

Основная литература:

1. Jiawei Han and Micheline Kamber, “Data Mining: Concepts and Techniques”, Second Edition, 2006

2. R. Kimball, "The Data Warehouse Toolkit", 2nd edition.

3.W. H. Inmon, "Building the Data Warehouse", 3rd edition.

Дополнительная литература:

1. Margaret H. Dunham, "Data Mining: Introductory and Advanced Topics", Prentice Hall, 2003, ISBN: 0-13-088892-3

2. Pang-Ning Tan, Michael Steinbach, and Vipin Kumar, "Introduction to Data Mining", Pearson Addison Wesley, 2005, ISBN: 0-32-132136-7

^ Градация оценок:

Первый промежуточный экзамен - 25%

Второй промежуточный экзамен - 25%

Финальный экзамен - 50%


^ Четырехбальная система оценок

Пятибальная система оценок (киргизская система)

Баллы

Kоэффициент

^ Оценка за семестр

Оценка за семестр (прописью)

92-100

AA

4.0

5

Отлично

86-91

BA

3.5

80-85

BB

3.0

4

Хорошо

73-79

CB

2.5

67-72

CC

2.0

3

Удовлетворительно

60-66

DC

1.5

55-59

DD

1.0

50-54

FD

0.5

2

Неудовлетворительно

00-49

FF

0.0




F1

0.0

2

Не посещаемость занятий

^ KЫРГЫЗСКО-TУРЕЦКИЙ УНИВЕРСИТЕТ “MAНАС” СИЛЛАБУС

Академические позиции:

Используйте справочник Кыргызско-Турецкого университета Манас.

^ План курса

Дата

Тема

1. неделя




Введение в интеллектуальный анализ данных. Знакомство с данными.

2. неделя




Теория вероятностей и статистика.

3. неделя




Классификация и прогноз - Основные правила.

4. неделя




Классификация и прогноз – Дерево принятия решений.

5. неделя




Классификация и прогноз - Дерево решений Байеса.

6. неделя




Классификация и прогноз - Точность.

7. неделя




Кластерный анализ: Реализация алгоритмов.

8. неделя




Кластерный анализ: Иерархические и плотностные алгоритмы.

9. неделя




Кластерный анализ: Многомерная кластеризация. Частотный анализ

10. неделя




Хранилища данных: введение, бизнес-аналитика, интеграция данных, OLTP против OLAP, DW определение. Могомерное моделирование, кубы, факты, размеры, DW дизайн.

11. неделя




Хранилища данных: сведения о размерах, схемы - звезда, снежинки, DW реализации, DW приложения. Хранилища данных: тематические исследования.

12. неделя




SQL OLAP расширения: SQL выражение перекрестных запросов, группы расширений, ROLLUP, CUBE, группировка множеств. SQL OLAP расширения: иерархический куб, рейтинг, оконные функции.

13. неделя




Обобщенные многомерные соединения: GMDJ определения, оценки алгоритмов. Подзапросы, оптимизация правила, распределенные оценки.

14. неделя




DW производительность: пре-агрегация, решетки выбора.

15. неделя




DW производительность: выбор, вид обслуживания, растровые индексации.

16. неделя




ETL и передовые модели: ETL процесс. Изменение размеров, многомерное моделирование.

Примечание




Примечание для отстающих студентов:







Скачать 93,21 Kb.
оставить комментарий
Дата02.10.2011
Размер93,21 Kb.
ТипДокументы, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

наверх