Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методы бизнес-аналитики. Учебное пособие.pdf
81
ВОПРОСЫ К ЭКЗАМЕНУ
1. Базовые понятия искусственного интеллекта.
2. История искусственного интеллекта. Нейрокибернетика.
3. Процесс подготовки и принятия решений. Поиск в пространстве
состояний. Алгоритм поиска в ширину. Алгоритм поиска в глубину.
4. Эвристический поиск.
5. Информационные системы поддержки принятия решений.
6. Системы бизнес-аналитики.
7. Поле знаний, представления поля знаний.
8. Модели представления знаний. Достоинства и недостатки.
9. Основные методы извлечения знаний.
10. Порядковые и количественные данные.
11. Номинальные данные.
12. Методы нормализации данных.
13. Методы описательной статистики.
14. Задачи Data Mining (классификация, кластеризация, ассоциативные
правила).
15. Данные, необходимые для машинного обучения.
16. Способы машинного обучения: обучение с учителем и без учителя.
17. Дерево решений. Алгоритм построения дерева решений.
18. Основные показатели качества дерева решений.
19. Основные показатели значимости правил дерева решений.
20. Задачи кластеризации. Отличие от классификации.
21. Понятие кластера.
22. Назначение алгоритмов k-mean и g-mean?
23. Отличие процесса обучения с учителем от обучения без учителя.
24. Назначение карт Кохонена.
25. Принцип переноса многомерного пространства на пространство
меньшей размерности.
26. Структура карты Кохонена, принцип выбора числа ячеек.
27. Оценивание результатов кластеризации по раскраске карты Кохонена.
28. Биологический нейрон. Формальный нейрон. Нейрон как простой
вычислительный элемент; персептрон.
29. Структура искусственной нейронные сети.
30. Процесс обучения нейронной сети.
31. Ассоциативные правила. Процесс создания ассоциативных правил.
32. Использование ассоциативных правил при анализе данных.
33. Достоверность правила.
34. Поддержка правила.
82
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Перфильев, Д. А. Интеллектуальные системы поддержки принятия
решений [Электронный ресурс] / Д. А. Перфильев, К. В. Раевич, А. В. Пятаева.
– Красноярск: Сибирский федеральный университет, 2018. – Режим доступа:
http://www.iprbooksh op.ru/84359.html.
2. Пименов, В. И. Информационный менеджмент / В. И. Пименов, И. В.
Пименов. – С.-Петербург: СПбГУПТД, 2019. – Режим доступа:
http://publish.sutd.ru/ tp_ext_inf_publish.ph p?id=201911.
3. Чубукова, И. А. Data Mining. Лекции [Электронный ресурс] /
И. А. Чубукова – Режим доступа: http://portal.tpu.ru/departments/
kafedra/vt/Disciplines_VT/ Data_storehouses/ FilesTab/Tab/lections 20data
20mining.pdf (дата обращения: 22.03.2018).
4. Интеллектуальный анализ данных: учеб.-методич. пособие к
лабораторным работам / А. Н. Панфилов, А. Н. Скоба, А. В. Кузнецова,
В. А. Зуев; Южно–Российский государственный политехнический университет
(НПИ) имени М. И. Платова. – Новочеркасск: Лик, 2016.–76 с.
5. Ризаев, И. С. Компьютерные технологии обучения методам Data
Mining обработки данных [Электронный ресурс] / И. С. Ризаев, З. Т. Яхина,
Д. И. Мифтахутдинов. – Режим доступа: grouper.ieee.org/
groups/ifets/russian/depository/ (дата обращения: 21.03.2018).
6. Прокопенко, Н. Ю. Системы поддержки принятия решений: учеб.
пособие / Н. Ю. Прокопенко; Нижегор. гос. архитектур.-строит. ун-т. – Н.
Новгород: ННГАСУ, 2017. – 188 с.
7. Замятин, Н. В. Комплекс лабораторных работ по дисциплине: «Модели
и алгоритмы распознавания и обработки данных» [Электронный ресурс] /
Н. В. Замятин. – Режим доступа: http://aoi.tusur.ru/upload/methodical_materials/
Kompleks_laboratornykh_rabot_po_MAROD_red12__9_file__715_2661.pdf (дата
обращения: 22.03.2018).
8. Паклин, Н. Бизнес-аналитика: от данных к знаниям / Н. Паклин,
В. Орешков. – С.-Петербург: Питер, 2013. – 704 с.
9. Паклин, Н. Б. Интеллектуальные модели анализа экономической
информации: лабораторный практикум в Deductor [Электронный ресурс] /
Н. Б. Паклин. – Режим доступа: lib-izhgsha.ru›upload/file/file_1485432717 (дата
обращения: 21.03.2018).
10. Федеральная служба государственной статистики [Электронный
ресурс]. – Режим доступа: http://www.gks.ru (дата обращения: 20.03.2021).
11. Построение и обучение самоорганизующихся карт признаков (карт
Кохонена) [Электронный ресурс]. – Режим доступа:
https://studfiles.net/preview/3074192/ (дата обращения: 17.08.2018).
12. Интеллектуальные технологии в бизнесе: методич. указания к
практическим и лабораторным работам / сост. А. А. Крюкова. – Самара:
ФГОБУ ВПО ПГУТИ, 2013. – 150 с.
13. Интеллектуальные информационные системы. Построение дерева
решений: метод. указания к выполнению лабораторной работы для студентов
направления подготовки 09.03.03 Прикладная информатика / сост.
М. Б. Суханов. – С.-Петербург: ФГБОУВО «СПбГУПТД», 2015. – 42 с.
83
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ .................................................................................................................. 3
1. ОСНОВЫ СИСТЕМ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ .......... 4
1.1. История искусственного интеллекта .............................................................. 4
1.2. Экспертные системы ........................................................................................ 4
1.3. Системы бизнес-аналитики ............................................................................. 7
1.4. Данные и знания ............................................................................................... 8
1.5. Модели представления знаний ....................................................................... 9
1.5.1. Логическая модель представления знаний ......................................... 10
1.5.2. Семантическая модель представления знаний ................................... 10
1.5.3. Фреймовая модель представления знаний ......................................... 10
1.5.4. Продукционная модель представления знаний ................................. 10
1.5.5. Нейронная сеть как модель представления знаний ........................... 12
2. МЕТОДЫ ПОИСКА РЕШЕНИЙ И ФОРМИРОВАНИЯ
БИЗНЕС-ПРАВИЛ ................................................................................................ 13
2.1. Технология интеллектуального анализа данных ........................................ 13
2.1.1. Виды данных .......................................................................................... 13
2.1.2. Data Mining ............................................................................................ 14
2.1.3. Статистические методы многомерного анализа данных .................. 14
2.1.4. Машинное обучение ............................................................................. 14
2.1.5. Общие методы поиска решений в продукционных системах .......... 15
2.1.6. Классификация и кластеризация ......................................................... 15
2.2. Методы кластерного анализа (обучение без учителя) ............................... 18
2.3. Методы классификации (обучение с учителем) ......................................... 22
3. НЕЙРОКОМПЬЮТИНГ И ОСНОВНЫЕ НАПРАВЛЕНИЯ ЕГО
РАЗВИТИЯ ............................................................................................................ 23
4. ПРАКТИКУМ ........................................................................................................ 26
4.1. Аналитические платформы, используемые
в задачах бизнес-аналитики .......................................................................... 26
4.1.1. Импорт данных ...................................................................................... 28
4.1.2. Подготовка данных, применение инструментов очистки
и преобразования данных ..................................................................... 29
4.1.3. Создание структуры метаданных и разработка системы
аналитической отчетности ................................................................... 30
4.2. Кластерный анализ ......................................................................................... 32
Практическое занятие 1. Сегментация данных ............................................ 35
4.3. Самоорганизующиеся карты признаков ..................................................... 36
Практическое задание 2. Построение и анализ самоорганизующихся карт
признаков ............................................................................................... 44
4.4. Классификация с помощью дерева решений .............................................. 44
4.4.1. Алгоритм построения дерева решений ............................................... 46
4.4.2. Особенности построения дерева решений для числовых
признаков ............................................................................................... 52
4.4.3. Построение дерева решений в автоматическом режиме .................. 53
84
4.4.4. Построение оптимизированного дерева решений в интерактивном
режиме .................................................................................................... 59
4.4.5. Практическое занятие 3. Классификация многомерных объектов
с помощью дерева решений ................................................................. 63
4.5. Нейросетевые модели .................................................................................... 63
4.5.1. Классифицирующая нейросеть ............................................................ 64
4.5.2. Нейросетевая модель прогнозирования .............................................. 68
4.5.3. Практическое занятие 4. Построение нейросетевой модели
классификации многомерных бизнес-объектов................................. 73
4.5.4. Практическое занятие 5: Построение нейросетевой модели
прогнозирования ................................................................................... 73
4.6. Поиск ассоциативных правил ....................................................................... 73
Практическое задание 6. Поиск ассоциативных правил ............................. 78
ЗАКЛЮЧЕНИЕ ......................................................................................................... 80
ВОПРОСЫ К ЭКЗАМЕНУ ....................................................................................... 81
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ...................................................................... 82
Учебное издание
Пименов Виктор Игоревич
Методы бизнес-аналитики
Издательский редактор Т. Н. Козлова
Учебное электронное издание сетевого распространения
Системные требования:
электронное устройство с программным обеспечением
для воспроизведения файлов формата PDF
Режим доступа: http://publish.sutd.ru/tp_get_file.php?id=202231, по паролю.
– Загл. с экрана.
Дата подписания к использованию 18.03.2022 г. Рег. № 31/2022
ФГБОУВО «СПбГУПТД»
Юридический и почтовый адрес:
191186, Санкт-Петербург, ул. Большая Морская, 18.
http://sutd.ru/