Программа учебной дисциплины «Интеллектуальный анализ данных»

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 2 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

I. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА 

 

Исходный

 уровень компетенций, которыми должен обладать студент 

 

№ п/п 

Исходный  уровень  компетенций,  знаний  и  умений,  которыми  должен 

обладать студент, приступая к изучению данной дисциплины 

   ОК- 3 

 

   ОК–6  

  

способен  принимать  организационно-управленческие  решения  и  готов  нести 

за них ответственность, в том числе в нестандартных ситуациях (ОК- 3); 

владеет навыками публичной и научной речи (ОК- 6); 

 

 

Цель

 преподавания дисциплины 

цель  курса  –  сформировать  у  студентов  системное  представление  о  технологиях 

интеллектуального анализа данных (Data Mining), их применении и инструментах. 

 

Задачи

 изучения дисциплины: 

В результате изучения дисциплины студент должен: 

-

 

Знать  отличия  Data  Mining  от  классических  статистических  методов  анализа  и 

OLAP-систем, типы закономерностей и сферы применения Data Mining. 

-

 

Уметь 

квалифицировать 

задачи 

Data 

Mining, 

применять 

методы 

интеллектуального анализа данных. 

-

 

Иметь  представление  о  тенденциях  технологий  интеллектуального  анализа 

данных, стандартах и инструментах. 

 

Средства

 обеспечения освоения дисциплины 

При изучении дисциплины рекомендуется использовать следующие средства: 

− рекомендуемую основную и дополнительную литературу; 

− методические указания и пособия; 

− контрольные задания для закрепления теоретического материала; 

− электронные версии учебников и методических указаний для выполнения практических 

работ и СРС. 

Формы

 работы студентов. 

Формы  работы  студентов:  лекционные  занятия,  написание  курсовых  работ,  эссе, 

рефератов, выполнение контрольных работ;  

Дисциплина «Интеллектуальный анализ данных» разбита на модули, представляющие 

собой логически завершенные части курса и являющиеся теми комплексами знаний и умений, 

которые подлежат контролю.  

Контроль  освоения  модулей  включает  в  себя  выполнение  письменных  контрольных 

работ, предусмотренных рабочей программой дисциплины.  

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 3 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

В  конце  семестра  проводится  контрольное  мероприятие,  включающее  контроль 

последнего  модуля  для  всех  студентов  и  контроль,  который  проходят  обязательно  те 

студенты,  которые  имеют  задолженность  по  прошлым  модулям,  а  также  те,  кто  желает 

улучшить свой рейтинг.  

Для  максимального  усвоения  дисциплины  рекомендуется  проведение  письменного 

опроса (тестирование, решение задач) студентов по материалам лекций и практических работ. 

Подборка  вопросов  для  тестирования  осуществляется  на  основе  изученного  теоретического 

материала.  Такой  подход  позволяет  повысить  мотивацию  студентов  при  конспектировании 

лекционного материала. 

В курсе используются классические аудиторные методы для всех занятий. Лекционная 

и  внеаудиторная  работа  студентов  получает  свое  практическое  завершение  на  семинаре 

(лабораторной работе). 

На  семинарских  (лабораторных)  занятиях  предполагается  рассмотреть  наиболее 

важные,  существенные,  сложные  вопросы,  которые,  как  свидетельствует  преподавательская 

практика, наиболее трудно усваиваются студентами. 

В  качестве  организованной  самостоятельной  работы  студента  рекомендуется 

использовать написание рефератов по выбранной заранее тематике. 

При  написании  реферата  студент  должен  в  соответствии  с  требованиями  к 

оформлению  работ  сформулировать  проблему,  актуальность,  поставить  цель  и  задачи 

исследования,  сделать  самостоятельный  вывод  о  состоянии  и  путях  решения  заданной 

проблемы. 

Формирование

 результирующей оценки 

Формирование  итоговой  оценки  по  дисциплине  осуществляется  в  соответствии  с 

Положением  о  бально-рейтинговой  системе  оценки  успеваемости  студентов.  Положение  о 

бально-рейтинговой  системе  оценки  успеваемости  находится  на  сайте  ВолГУ  по  адресу: 

http://new.volsu.ru/Student/LawDocs/ 

Распределение баллов по дисциплине «Интеллектуальный анализ данных» 

 

Лабораторные работы 

 

Посещение 

 

Контрольные работы 

6 лабораторных работ x 7 баллов = 42балла 

17 посещений x 0,5 баллов =8 баллов 

3 контрольные работы x 10 баллов=30 баллов 

    1 вопрос по теории - 2 балла 

     Тесты  по  темам  контрольной  работы  –  3 

балла 

    1 задача – 5 баллов 

 

ИТОГО: 80 

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 4 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

Премиальные баллы 

 

Реферат 

 

Сдача лабораторных работ в срок 

 

 

Индивидуальное 

задание 

для 

успевающих студентов 

10 баллов 

6 лабораторных работ x 1 балл =  6 баллов 

 

индивидуальное задание = 15 баллов 

ИТОГО: 31 

ИТОГО: 80+31=111 

 

Формируемые

 компетенции. 

 

 

№ п/п 

Компетенции, формируемые в результате освоения дисциплины 

ОК - 1 

 

ОК – 2 

 

 

ОК – 5 

 

 

способен 

совершенствовать 

и 

развивать 

свой 

интеллектуальный 

и 

общекультурный уровень (ОК- 1); 

способен к самостоятельному освоению новых методов исследования, изменению 

научного и научно-производственного профиля своей профессиональной 

деятельности (ОК-2) 

способность к творческой адаптации к конкретным условиям выполняемых задач 

и их инновационным решениям (ОК -5); 

 

ПК – 3 

 

ПК -10 

 

 

применять методы системного анализа и моделирования для анализа архитектуры 

предприятий (ПК-3); 

проводить  исследования  и  поиск  новых  моделей  и  методов  совершенствования 

архитектуры предприятия (ПК-10); 

 

 

II. СТРУКТУРА ИЗУЧЕНИЯ ДИСЦИПЛИНЫ 

 

Всего часов 

144 

В.ч. 

 

Аудиторных занятий 

51 

Из них лекций 

17 

семинарских/практических   занятий  

 

лабораторных занятий                

34 

практикумов 

 

Самостоятельных занятий 

93 

изучение основной и дополнительной литературы 

50 

написание курсовых работ, эссе, рефератов,  

23 

выполнение письменных домашних заданий, расчетов, проектов 

10 

выполнение контрольных работ, тестов 

10 

Подготовка к экзамену, экзамен 

 

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 5 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

III. ТЕМАТИЧЕСКИЙ ПЛАН ИЗУЧЕНИЯ ДИСЦИПЛИНЫ 

«Интеллектуальный анализ данных»

  

 

Тема 

Содержание  

 

Вид занятий  

Форма занятий  

Коли-

чество 

часов 

Форма контроля   

 

Модуль 1.  

1. Анализ данных 

в системах 

поддержки 

принятия 

решений. 

Задачи СППР. Архитектура СППР. 

Базы данных в СППР. Требования к 

данным. 

Аудиторные  

 

 

 

 

Самостоятель-

ные 

Лекции 

 

Лабораторная работа 

№1 

 

Изучение 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

4 

 

2 

 

 

3 

 

 

2 

 

 

Контрольный опрос и 

защита лабораторной 

работы 

2. Хранилище 

данных 

Концепция хранилища данных. 

Свойства хранилищ данных 

(предметная ориентация, интеграция, 

поддержка хронологии, 

неизменяемость). Физические и 

виртуальные хранилища данных. 

Проблемы создания хранилищ данных. 

Организация хранилищ данных. 

Очистка данных. Показатели и 

документы 

Аудиторные  

 

 

 

 

Самостоятель-

ные 

Лекции 

 

Лабораторная работа 

№ 2 

 

Изучение базовой и 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

4 

 

2 

 

 

3 

 

 

2 

Письменный опрос в 

конце лекции (5-10 мин) 

Контрольный опрос и 

защита лабораторной 

работы 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 6 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

3. OLAP-системы 

Многомерная модель данных. 

Определение OLAP-систем. 

Концептуальное многомерное 

представление. Двенадцать правил 

Кодда. Дополнительные правила 

Кодда. Тест FASMI. Архитектура 

OLAP-систем. MOLAP-серверы. 

ROLAP-серверы. HOLAP-серверы. 

Контрольная работа по 1 модулю 

 

 

 

 

 

Аудиторные  

 

 

 

 

Самостоятель-

ные 

Лекции 

 

Лабораторная работа 

№ 3 

 

Изучение базовой и 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

Написание реферата 

по теме 

Подготовка к 

контрольной работе 

по 1 модулю 

6 

 

4 

 

 

3 

 

 

2 

 

5 

 

5 

Письменный опрос в 

конце лекции (5-10 мин) 

Контрольный опрос и 

защита лабораторной 

работы 

Модуль 2  

4. Интел-

лектуальный 

анализ данных 

(Data Mining) 

 

Свойства знаний. Сравнение статистик, 

машинного обучения и Data Mining. 

Классификация задач Data Mining. 

Сферы применения Data Mining. 

Процесс Data Mining: анализ 

предметной области, постановка 

задачи, подготовка данных, построение 

модели, проверка и оценка моделей, 

выбор модели, применение модели, 

коррекция и обновление модели. 

Аудиторные  

 

 

 

 

Самостоятель-

ные 

Лекции 

 

Лабораторная работа 

№ 3 

 

Изучение базовой и 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

Написание реферата 

по теме 

 

4 

 

2 

 

 

3 

 

 

2 

 

5 

Письменный опрос в 

конце лекции (5-10 мин) 

Контрольный опрос и 

защита лабораторной 

работы 

5. Задачи и 

методы интел-

Классификация и кластеризация. 

Прогнозирование и визуализация. 

Аудиторные  

 

Лекции 

 

8 

 

Письменный опрос в 

конце лекции (5-10 мин) 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 7 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

лектуального 

анализа данных 

Методы прогнозирования и 

классификации: деревья решений, 

метод опорных векторов, метод 

«ближайшего соседа», нейронные сети. 

Методы кластерного анализа. 

Контрольная работа по 2 модулю 

 

 

 

Самостоятель-

ные 

Лабораторная работа 

№ 3 

 

Изучение базовой и 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

Написание реферата 

по теме 

4 

 

 

6 

 

 

4 

 

10 

Контрольный опрос и 

защита лабораторной 

работы 

Модуль 3  

6. Стандарты Data 

Mining 

 

 

Стандарт CWM: назначение, 

структура и состав. Стандарт CRISP: 

структура, фазы и задачи. Стандарт 

PMML. Стандарт OLE DB для Data 

Mining. 

Аудиторные  

 

 

 

 

 

Самостоятель-

ные 

Лекции 

 

 

Лабораторная работа 

№ 5 

 

Изучение базовой и 

дополнительной 

литературы 

Подготовка к 

лабораторной работе 

Написание реферата 

по теме 

4 

 

 

2 

 

 

3 

 

 

2 

 

5 

Письменный опрос в 

конце лекции (5-10 мин) 

 

Контрольный опрос и 

защита лабораторной 

работы 

7. Инструменты 

Data Mining 

 

Поставщики Data Mining. 

Классификация инструментов. 

Программное обеспечение Data 

Mining для поиска ассоциативных 

правил. Программное обеспечение для 

решения задач кластеризации и 

сегментации. Программное 

Аудиторные  

 

 

 

 

Самостоятель-

ные 

Лекции 

 

Лабораторная работа 

№ 6 

 

Изучение базовой и 

дополнительной 

4 

 

2 

 

 

3 

 

Письменный опрос в 

конце лекции (5-10 мин) 

Контрольный опрос по 

вопросам лабораторной 

работы 

 

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 8 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

обеспечение для решения задач 

классификации. Программное 

обеспечение Data Mining для решения 

задач оценивания и прогнозирования. 

Контрольная работа по 3 модулю 

литературы 

Подготовка к 

лабораторной работе 

Подготовка к 

контрольной работе 

по 3 модулю 

Подготовка к экзамену 

 

2 

 

6 

 

 

0 

 

 

 

 

 

 

Зачет по итогам работы в 

семестре 

 

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 9 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

ΙV. Формы рубежного контроля 

 

Оценка работы студента в рейтинговых баллах по дисциплине 

«Интеллектуальный анализ данных». 

 

№ п/п 

Вид контроля успеваемости 

Максимальное 

количество баллов 

Раздел I 

Текущий семестровый контроль (60 баллов) 

 

Контрольная работа (3) 

60 

Раздел II 

Дополнительные баллы (15 баллов) 

 

Контроль за посещением теоретических 

занятий в течение семестра 

1-10 

 

Реферативное сообщение (2) 

1-25 

Экзамен  (40 баллов) 

 

V. Базовые учебники 

1.  Паклин,  Н.  Б.   Орешков,  В.  И.   Бизнес-аналитика  :  от  данных  к  знаниям /Н.Б.  Паклин, 

В.И. Орешков – СПб.: Питер, 2010. – 624 с. 

2.  Кулаичев,  А.  П. Методы  и  средства  комплексного  анализа  данных /А.П.  Кулаичев.  – 

М.: Инфра-М, 2010. – 512 с. 

3.  Каплан,  А.  В. Каплан,  В.  Е. Статистическая  обработка  и  анализ  экономических 

данных /А.В. Каплан, В.Е. Каплан – Ростов-на-Дону: Феникс, 2007. – 330 с. 

 

Дополнительная литература 

 

1.

 

Барсегян  А.А.,  Куприянов  М.С.,  Степаненко  В.В.,  Холод  И.И.  Методы  и  модели 

анализа данных: OLAP и Data Mining. – СПб.: БХВ-Петербург, 2004 

2.

 

Барсегян  А.А.,  Куприянов  М.С..  Степаненко  В.В.,  Холод  И.И.  Технологии  анализа 

данных : Data Mining, Visual Mining, Text Mining, OLAP- СПб.: БХВ-Петербург, 2008 

3.

 

Елманова Н., Федоров А. Введение в OLAP-технологии Microsoft – М.:Диалог-МИФИ, 

2002 

4.

 

Макленнен  Дж.,  Танг  Ч.,  Криват  Б.  Microsoft  SQL  Server  2008:  Data  Mining  - 

интеллектуальный анализ данных – М.: BHV, 2009 

5.

 

Чубукова  И.А.  Data  Mining.  Учебное  пособие  –  М.:  Изд-во  «Интернет-университет 

информационных технологий – ИНТУИТ.ру, 2006 

 

 

VI. Тематика домашнего задания. 

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 10 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

№ 

тем

ы 

Наименование 

тем 

Самостоятельная работа студента 

Кол-во 

часов 

Модуль I  

1 

Тема 1. 

Анализ 

данных в 

системах 

поддержки 

принятия 

решений 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2.  Самостоятельная  работа:  подготовить  обзор  по  теме 

«Системы поддержки принятия решений» 

10 

2 

Тема 2. 

Хранилище 

данных 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2. Самостоятельная работа: подготовить обзор по теме «Базы 

данных» 

10 

3 

Тема 3. OLAP-

системы 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

10 

Модуль II  

4 

Тема 4. 

Интеллектуал

ьный анализ 

данных (Data 

Mining) 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2.  Самостоятельная  работа:  подготовить  обзор  по  теме 

«Возможности анализа данных в MS Excell и Statistica» 

10 

5 

Тема 5. Задачи 

интеллектуал

ьного анализа 

данных 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2.  Самостоятельная  работа:  подготовить  обзор  по  решению 

задач  Data  Mining  в  SPSS,  MatLab,  «Сегментирование  и 

рынки» 

10 

Модуль III  

6 

Тема 6. 

Стандарты 

Data Mining 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2. Самостоятельная работа: подготовить обзор по теме 

«Человеческие и организационные факторы в Data Mining» 

10 

7 

Тема  7. 

Инструменты 

Data Mining 

 

1. Подготовка: 

- к контрольной работе по теме; 

- к дискуссии по вопросам темы. 

2. Самостоятельная работа: подготовить обзор по теме 

«Практика использования инструментов Data Mining 

10 

 

VII. Контрольные вопросы. 

1.

 

СППР: задачи, архитектура, источник данных. 

2.

 

Хранилища данных: концепция, свойства, классификация. 

3.

 

Создание хранилищ данных 

4.

 

Многомерная модель данных. Правила Кодда. 

5.

 

Определение OLAP-систем. Архитектура OLAP. Тест FASMI 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 11 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

6.

 

MOLAP-серверы. ROLAP-серверы. HOLAP-серверы. 

7.

 

Сравнение  статистик,  машинного  обучения  и  Data  Mining.  Классификация  задач  Data 

Mining. Сферы применения Data Mining. 

8.

 

Процесс Data Mining 

9.

 

Задачи интеллектуального анализа данных. Классификация и кластеризация 

10.

 

Задачи интеллектуального анализа данных. Прогнозирование и визуализация 

11.

 

Методы прогнозирования и классификации: деревья решений 

12.

 

Методы прогнозирования и классификации: метод опорных векторов 

13.

 

Методы прогнозирования и классификации: метод «ближайшего соседа» 

14.

 

Методы прогнозирования и классификации: нейронные сети.  

15.

 

Методы кластерного анализа. 

16.

 

Стандарт CWM: назначение, структура и состав.  

17.

 

Стандарт CRISP: структура, фазы и задачи.  

18.

 

Стандарт PMML.  

19.

 

Стандарт OLE DB для Data Mining. 

20.

 

Поставщики Data Mining. Классификация инструментов.  

21.

 

Программное обеспечение Data Mining для поиска ассоциативных правил.  

22.

 

Программное обеспечение для решения задач кластеризации и сегментации.  

23.

 

Программное обеспечение для решения задач классификации. 

24.

 

Программное обеспечение Data Mining для решения задач оценивания и прогнозирования. 

 

Электронные ресурсы: 

1.

 

Аналитический сайт бизнес-планирования / - Доступно из URL: 

http://www.finanalis.ru

 

2.

 

«Планета КИС». Информационно-аналитический сайт специалистов области ИТ / 

- Доступно из URL: 

http://www.russianenterprisesolutons.com

 

3.

 

Информационный сайт Дальневосточных информационных ресурсов «Форпост»/ 

- Доступно из URL: 

http://www.farpost.ru

 

4.

 

Бизнес портал инвестиций и бизнес-планования/ - Доступно из URL: 

http://www.bportal.ru

 

5.

 

Информационный бюллетень / - Доступно из URL: 

http://www.jetinfo.ru

 

6.

 

Информационно аналитический сайт области информационных технологий CNews 

/ - Доступно из URL: 

http://www.cnews.ru

 

7.

 

Информационно аналитический сайт области информационных технологий 

«Citforum»/ -Доступно из URL: 

http://www.citforum.ru

 

8.

 

Слиньков Д. Бизнес моделирование для внедрения ИСУ 

предприятия.[Электронный ресурс] / Б. Слиньков - Доступно из URL: 

http://www.cfin.ru

 

9.

 

Боровко Р. Пользователи Интернета в России [Электронный ресурс] / Р. Боровко // 

Обзор CNews Analitics - Доступно из URL: 

http://www.cnews.ru

 

10.

 

Эксплуатация ИС как элемент стратегии развития бизнеса [Электронный ресурс] / 

«Планета КИС» / - Доступно из URL: 

http://www.russianenterprisesolutons.com

 

11.

 

Антончук С. HP Software Universe об управлении ИТ-инфраструктурой 

[Электронный ресурс] / С. Антончук // Электронная версия журнала 

ComputerWorld. - 2003. - 4 (397) 29. - Доступно из URL: 

http://comizdat.com 

 

12.

 

Пример бизнес-плана .[Электронный ресурс]  / Российское Агентство  

поддержки  малого и среднего бизнеса. Доступно из URL: 

http://www.siora.ru 

 

13.

 

Пономарев В. ИТ-менеджеры и ИТ-специалисты - единство противоположностей 

[Электронный ресурс] / В. Пономарев // «Планета КИС» - Доступно из URL: 

http://www.russianenterprisesolutons.com

 

 

Название

 

документа

: 

Программа

 

учебной

 

дисциплины

 «

Интеллектуальный

 

анализ

 

данных

» 

Разработчик

 

зав

. 

кафедрой

 

ЭИУ

 

Петрова

 

Е

.

А

.                                

стр

. 12 

из

 12                                            

Версия

 1 

Копии

 

с

 

данного

 

оригинала

  

при

 

распечатке

 

недействительны

 

без

 

заверительной

 

надписи

 

 

 

14.

 

Настоящий вычислительный центр [Электронный ресурс] // Публикации «Jetinfo» - 

Доступно из URL: 

http://www.jetinfo.ru

 

 

Учебно-методический комплекс по дисциплине «Интеллектуальный анализ данных» 

Учебно-методический комплекс по дисциплине «Теория экономических информационных 

систем» находится в ПТК «УМКа» на сайте Волгоградского государсвенного университета. 

Режим доступа – http://umka.volsu.ru/newumka2