3.3.1. Збереження даних (Data Retention).............................................................

3.3.2. Дистиляція шаблонів (Data Distilled) .........................................................

IV. Генетичні алгоритми........................................................................

4.1. Генетичні успадкування —концептуа­льна засада генетичних алгоритмів.......

4.2. Загальна схема генетичних алгоритмів............................................................

4.3. Доступне програмне забезпечення генетичних алгоритмів ...........................

V. Програмні агенти в СППР .......................................................................

5.1. Призначення і основні характеристики програмних агентів.....................

5.2. Програмні агенти у СППР та ВІС.....................................................................

VI. Доступне програмне забезпечення дейтамайнінгу.............................

VII. Засоби Data Mining в Microsoft SQL Server 2000..........................................

VIII. Сфера застосування технологій інтелектуальних обчислень....................

8.1. Бізнес-застосування Data Mining...........................................................................

8.2. Технології ІАД та український ринок .....................................

ЛІТЕРАТУРА ...........................................................................................................

.

ВСТУП

Засоби сучасної інформаційної технології в останній час уможливили накопичення і зберігання великих обсягів даних про бізнесові процеси. Ці дані можуть знаходитися в корпоративних базах або сховищах даних. Вони містять важливі закономірності і зв’язки між системними характеристиками, які можуть бути використані для прийняття обгрунтованих управлінських рішень. Наразі виникла проблема розробки методів відкриття таких закономірностей, про існування яких користувачі можуть і не знати. Проте традиційний аналіз даних передбачує введення даних в стандартні або настроєні користувачем моделі, тобто в будь-якому випадку допускається, що зв'язки між різними показниками добре відомі і можуть бути виражені математично. Однак, в багатьох випадках зв'язки не можуть бути апріорі відомі. У таких ситуаціях моделювання стає неможливим і тут можна застосовувати дейтамайнінг (Data Mining) – інтелектуальний аналіз даних (ІАД). Тому, особливо важливим аспектом підготовки спеціалістів напрямку "Комп'ютерні науки” є успішне засоєння ними дисципліни "Інтелектуальний аналіз даних”.

У результаті вивчення дисципліни “Інтелектуальний аналіз даних” студент повинен :

знати - сутність та призначення Data Mining; характеристики процесів та активностей дейтамайнінгу;дерево методів дейтамайнінгу; доступне програмне забезпечення ІАД; призначення та основні характеристики генетичних алгоритмів і програмних агентів;

вміти - будувати дерево методів дейтамайнінгу; проводити кластерний аналіз засобами дейтамайнінгу;здійснювати вибір відповідних логічних методів із побудовою таблиці трансакцій;будувати крос-таблицю;вміло застосовувати доступне програмне забезпечення дейтамайнінгу.

Опорний конспект лекцій з дисципліни “Інтелектуальний аналіз даних” включає 8 розділів, кожний із яких містить необхідний методичний матеріал для вивчення даного предмету.