Data Mining (CS)
Type: For the student's choice
Department: radiophysics and computer technologies
Curriculum
Semester | Credits | Reporting |
6 | 5.5 | Setoff |
7 | 3.5 | Setoff |
Lectures
Semester | Amount of hours | Lecturer | Group(s) |
6 | 32 | Associate Professor Liubun Z. M. | ФеІ-31, ФеІ-32, ФеІ-33, ФеІ-34 |
7 | 32 | ФеІ-41, ФеІ-42, ФеІ-43, ФеІ-44 |
Laboratory works
Semester | Amount of hours | Group | Teacher(s) |
6 | 32 | ФеІ-31 | Associate Professor Liubun Z. M. |
ФеІ-32 | Associate Professor Liubun Z. M. | ||
ФеІ-33 | Associate Professor Liubun Z. M. | ||
ФеІ-34 | Associate Professor Liubun Z. M. | ||
7 | 16 | ФеІ-41 | |
ФеІ-42 | |||
ФеІ-43 | |||
ФеІ-44 |
Опис навчальної дисципліни
The discipline “Data Intelligence” is an integral part of the disciplines of the cycle of normative disciplines for the training of specialists of the educational and qualification level “Master”. The course is based on the following disciplines: “Higher Mathematics”, “Algorithmization and Programming”, “Object Oriented Programming”, DBMS.
The purpose of teaching the course is to master students’ basic theoretical information and practical skills of the course. To prepare the student for the effective use of both classical and modern methods of data mining and information processing using classical methods of calculations and neural networks to create elements of automated computer systems and their use in further professional activities; help to acquire skills of practical work with software for data mining.
After studying the discipline, students must:
know:
basic concepts and definitions of data mining;
models and methods of modeling and analysis of dependencies in data;
modern software for the design and development of data mining systems;
criteria for comparing models and methods of data mining.
be able:
substantiate and analyze the choice of a specific type of model and method of data mining in solving practical problems;
use modern software for the design and study of data mining systems;
create programs for data mining in solving specific practical problems
analyze the results of construction and use of data mining systems in solving applied problems.
Recommended Literature
Базова
- Любунь З. М., Рабик В. Г,Карбовник І. Д. Інтелектуальний аналіз даних. Методичні вказівки до виконання лабораторних робіт для студентів за напрямом підготовки 6.050101 “Комп’ютерні науки”.– Львів: Видавничий центр ЛНУ імені Івана Франка, 2015. –70 с.
- Любунь З. М. Основи теорії нейромереж / З. М. Любунь /: Текст лекцій. – Львів: Видавничий центр ЛНУ імені Івана Франка, 2007. –142 с.
- Черняк О.І. Інтелектуальний аналіз даних: підручник. – К: Знання, 2014. –599с.
- Дюк В. Data Mining: учебный курс (+CD)/.Дюк В., Самойленко А. .. — СПб: Изд. Питер 2001. — 368 с.
- Data Mining and Image Processing Toolkits. – [Електронний ресурс]. – Режим доступу http://datamining.itsc.uah.edu/adam/.
- Глибовец Н.Н., Медведь С.А. Генетические алгоритмы и их использование для решения задачи составления расписаний //Кибернетика и системный анализ. 2003. – № 1. – С. 95–108.
- Нікольський Ю., Щербина Ю., Якимечко Р. Дерева прийняття рішень та їхнє застосування для прогнозування діагнозу у медицині // Вісник Львівського університету. Серія прикладна математика та інформатика. Випуск 6, 2003.- С. 191-211
- Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика Перевод на русский язык, Ю.А. Зуев, В.А. Точенов, 1992.193с.
- С. Хайкин. Нейронные сети: полный курс, 2-е издание. :Пер. с англ.-М. : Издательский дом «Вильямс», 2006.-1104с.
Допоміжна
- Liubun Z. Hover Signal-Profile Detection / Liubun, V. Mandziy, H. Klein, O. Karpin, V. Rabyk // Proceedings of the XV International Scientific and Technical Conference “Computer Science and Information Technologies” – 2020. P. 7 – 10. (Scopus)
- Karpin O. Method of Neural Network Training with Integer Weights / O. Karpin, Mandziy, Z. Liubun, V. Rabyk // Proceedings of the XIthInternational Scientific and Practical Conference “Electronics and Information Technologies” (ELIT – 2019), September 16 – 18, 2019, Lviv, Ukraine. P. 168 – 172. doi: 1109/ELIT.2019.8893349.
- З. Любунь, Р.Лісовський, І. Поплавський, Б. Рачій. Прогнозування властивостей вуглецевих матеріалів з використанням нейронних мереж. // Електроніка та інформаційні технології. – 2019. – Випуск 12. – С. 64–72.