Технологии хранения и обработки данных

Цель модуля: приобретение слушателями знаний по современным технологиям хранения и обработки данных, приобрести умения работы со статистическими методами анализа и обработки данных, а также овладеть навыками обработки данных с использованием табличных процессоров.
Профессиональные компетенции, совершенствуемые и приобретаемые слушателями в процессе освоения модуля 2:
 ПК-1. Применяет стандарты и методики бизнес-моделирования.
 ПК-2. Осуществляет сбор и подготовку данных для обучения моде-лей искусственного интеллекта.

По итогам освоения модуля слушатели должны:

Знать:
 Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной̆ памяти
 Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ
 Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация. Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением. Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация
Уметь:
 Использовать технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллель-ная обработка данных, вычисления в оперативной̆ памяти;
 Проводить сравнительный анализ методов и инструментальных средств анализа больших данных
 Планировать аналитические работы с использованием технологий больших данных
 Проводить анализ больших данных
 Осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных

Владеть:
 Навыками использования технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти
Использования технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, много-мерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества

Часов в программе

20,00 часов

лекции

19,00 часов

практика

19,00 часов

самостоятельная

2,00 часа

промежуточная аттестация

60,00 часов

всего

Образовательные ресуры

1. http://h2o-release.s3.amazonaws.com/h2o/rel-zermelo/4/index.html - страница загрузки платформы H2O
https://cloud.google.com/bigquery/docs/sandbox - страница BigQuery sandbox
2. http://www.tadviser.ru/index.php/Статья:Большие_данные_(Big_Data) Статья «Большие данные (Big Data)» [Электронный ресурс]
3. https://biconsult.ru/products/uchebnoe-posobie-po-tableau (дата обращения: 22.03.2021). Учебник по Tableau - система бизнес-анализа (BI).
4. https://biconsult.ru/products/uchebnoe-posobie-po-tableau (дата обращения: 22.03.2021). Учебник по Tableau - система бизнес-анализа (BI).
5. https://cloud.yandex.ru/services/datalens – сервис визуализации и анализа данных Яндекс
6. https://community.cloud.databricks.com/login.html - страница регистрации Databricks Community Edition
https://rapidminer.com/get-started/ - страница загрузки платформы RapidMiner
7. https://loginom.ru/download - страница загрузки платформы Loginom компании BaseGroup Labs
8. https://powerbi.microsoft.com/ru-ru/desktop/ - страница загрузки платформы Power BI Desktop компании Microsoft
9. https://public.tableau.com/en-us/s/download - страница загрузки платформы Tableau Public
10. https://urait.ru/bcode/413823 (дата обращения: 10.04.2022).. Зараменских Е. П. Основы бизнес-информатики: учебник и практикум для бакалавриата и магистратуры / Е. П. Зараменских. – Москва: Издательство Юрайт, 2018. — 407 с. — (Высшее образование). — ISBN 978-5-9916-8210-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]
11. https://www.knime.com/knime-analytics-platform - страница загрузки платформы Knime Analytics Platform

Учебно-методические материалы

Методы, формы и технологии

Видеолекции, вебинары, домашняя и проектная работа

Методические разработки

Методические материалы Центра компетенций "Цифровая экономика" Финансового Университета

Материалы курса

Записи занятий (Методические разработки и материалы курса располагаются в LMS Финансового университета)

Учебная литература

Основная литература:
1. Бенгфорт, Б. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт. — СПб.: Питер, 2019. — 368 c.
2. Бендерская, О. Б. Бизнес-аналитика : учебное пособие / О. Б. Бендерская Бизнес-аналитика, Весь срок охраны авторского права Электрон. дан. (1 файл) Белгород : Белгородский государственный технологический университет им. В.Г. Шухова, ЭБС АСВ, 2017. - 162 с.
3. Бурнаева, Э., Г. Обработка и представление данных в MS Excel: Учебное пособие / Э.Г. Бурнаева, С.Н. Леора. - СПб.: Лань, 2016. - 160 c.
4. Волкова, П.А. Статистическая обработка данных в учебно- исследовательских работах: Учебное пособие / П.А. Волкова, А.Б. Шипунов. - М.: Форум, 2017. - 832 c.
5. Основы бизнес-анализа. Учебное пособие / Под ред. Бариленко В.И.. - М.: КноРус, 2019. - 56 c.
6. Силен Дэви, Мейсман Арно, Али Мохамед.Основы Data Science и Big Data. Python и наука о данных. СПб.: Питер, 2017-336 с.: ил. (Серия «Библиотека программиста»).
7. Форман Дж. Много цифр: Анализ больших данных при помощи Excel / Дж. Форман. — М.: Альпина Паблишер, 2019. — 461 c.
8. Data Science. Наука о данных с нуля. / Билл Фрэнкс.; пер. с англ. Евстигнеева
И.В. – М.: Издательство «Альпина Паблишер». – 2018. – 320 с.
9. Набатова Д. С. Математические и инструментальные методы поддержки принятия решений: учебник и практикум для вузов / Д. С. Набатова. — Москва: Издательство Юрайт, 2022. — 292 с. — (Высшее образование). — ISBN 978-5-534-02699-3.
10. Курносов Ю.В. «Азбука аналитики», Издательство «Концептуал», 2018 -240 с.
11. Б. Марр «Ключевые инструменты бизнес-аналитики» / пер с англ. Егоров В. Н., Издательство «Лаборатория знаний», 2018 – 339 с.

Дополнительная литература:
1. Аббакумов, В. Бизнес-анализ информации. Статистические методы: Учебник / В. Аббакумов, Т. Лезина. - М.: Экономика, 2009. - 374 c.
2. Аббакумов, В., Л. Бизнес- анализ информации. Статистические методы / В.Л. Аббакумов. - М.: Экономика, 2009. - 374 c.
3. Барков, С.А. Бизнес в литературе: социологический анализ / С.А. Барков, В.И. Зубков. - М.: Аккадемический проект, 2014. - 253 c.
4. Брускин, С.Н. Интеллектуальный анализ динамики бизнес-систем / С.Н. Брускин. - М.: Инфра-М, 2010. - 320 c.
5. Брускин, С.Н. Интеллектуальный анализ динамики бизнес-систем: Учебник / С.Н. Брускин. - М.: Инфра-М, 2012. - 320 c.
6. Винстон, У. Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel / У. Винстон. - СПб.: Питер, 2006. - 320 c.
7. Воловиков, Б.П. Стратегическое бизнес-планирование на промышленном предприятии с применением динамических моделей и сценарного анализа: Монография / Б.П. Воловиков. - М.: Инфра-М, 2017. - 320 c.
8. Еремеева, Н.В. Планирование и анализ бизнес-процессов на основе построения моделей управления конкурентоспособности продукции / Н.В. Еремеева. - М.: Русайнс, 2018. - 16 c.
9. Казакова, Н.А Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании / Н.А Казакова. - М.: Финансы и статистика, 2013. - 240 c.
10. Казакова, Н.А. Экономический анализ в оценке бизнеса: учебно- практическое пособие / Н.А. Казакова. - М.: ДиС, 2011. - 288 c.
11. Казакова, Н.А. Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании: Учебное пособие / Н.А. Казакова. - М.: Финансы и статистика, Инфра-М, 2009. - 240 c.
12. Казакова, Н.А. Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании: Учебное пособие / Н.А. Казакова. - М.: Финансы и статистика, 2014. - 240 c.
13. Карзаева, Н.Н. Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании: Учебное пособие / Кара-Ушанов В.Ю., - 2-е изд., стер. - Москва: Флинта, Изд-во Урал. ун-та, 2017. - 156 с.
14. Карлберг, К. Бизнес-анализ с использованием Excel / К. Карлберг. - М.: Диалектика, 2019. - 576 c.
15. Кулаичев А.П. Методы и средства комплексного анализа данных: Учебное пособие / А.П. Кулаичев. — М.: Форум, 2018. — 160 c.
16. Кэхилл, М. Инвестиционный анализ и оценка бизнеса: Учебное пособие / М. Кэхилл.. - М.: ДиС, 2012. - 432 c.
17. Лацис, А.О. Параллельная обработка данных / А.О. Лацис. - М.: Academia, 2017. - 456 c.
18. SQL - язык реляционных баз данных: Учебное пособие / Н.Н. Карзаева. - М.: Финансы и статистика, 2009. - 240 c.
19. Нархид Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нархид. — СПб.: Питер, 2019. — 320 c.
20. Ниворожкина Л.И. Статистические методы анализа данных: Учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга. — М.: Риор, 2018. — 320 c.
21. Орлова, Е.Р. Бизнес-план: Методика составления и анализ типовых ошибок / Е.Р. Орлова. - М.: Омега-Л, 2013. - 168 c.
22 Усенко, Л.Н. Бизнес-анализ деятельности организации: Учебник / Л.Н. Усенко, Ю.Г. Чернышева, Л.В. Гончарова и др. - М.: Альфа-М, 2015. - 512 c.
23. Фляйшер, К. Стратегический и конкурентный анализ: Методы и средства конкурентного анализа в бизнесе / К. Фляйшер, Б. Бенсуссан; Пер. с англ. Д.П. Конькова . - М.: БИНОМ. ЛЗ, 2012. - 541 c.
24. Вигерс Карл, Битти Джой. Разработка требований к программному обеспечению. 4-е изд., дополненное / Пер. с англ. — М. : Издательство «Русская редакция» ; СПб. : БХВ-Петербург, 2019. — 736 стр. : ил.

Темы

Современные технологии хранения и обработки данных Статистические методы анализа и обработки данных Обработка данных с использованием табличных процессоров