Рабочая программа Учебной дисциплины Хранилища данных Для направления подготовки 080700 «Бизнес-информатика»
Скачать 338.38 Kb.
|
Необходимый минимум для допуска к промежуточной аттестации 49 баллов. Дополнительные требования для студентов, отсутствующих на занятиях по уважительной причине: устное собеседование с преподавателем по проблемам лекционного курса и практических занятий, обязательное выполнение всех лабораторных работ, обязательное выполнение двух любых заданий из дополнительного модуля (по выбору преподавателя), представление конспектов лекций. 7. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов Примерные вопросы промежуточной аттестации (тестирования) KDD (Knowledge Discovery in Databases) это: Процесс получения из данных знаний в виде зависимостей, правил, моделей. Обнаружение в «сырых» данных ранее неизвестных знаний. Комплексирование достоверных данных, выполняемое на основе дисперсионного анализа. Data Mining это: Комплекс методов и процедур, направленных на устранение аномалий, пропусков, дубликатов, противоречий, шумов и т. д. Набор операций над базой данных. Обнаружение в «сырых» данных ранее неизвестных знаний. К классам задач, решаемых методами Data Mining относятся: Верстка и публикация результатов выполненного анализа данных. Загрузка, перезагрузка, выгрузка, проблемно-ориентированные операции. Классификация, регрессия, кластеризация, ассоциация, последовательные шаблоны. Очистка данных это: Комплекс методов и процедур, направленных на устранение причин, мешающих корректной обработке: аномалий, пропусков, дубликатов, противоречий, шумов и т. д. Комплекс методов и процедур, направленных на очистку хранилища от имеющихся в нем данных с обеспечением возможности отката. Процесс удаления данных, содержащихся во временных и условно-постоянных файлах, а также в файлах разработки. Обогащение данных это: Процесс дополнения финансовых данных более высокими показателями за счет чего низкие показатели теряют свою актуальность и могут быть удалены. Процесс дополнения данных некоторой информацией, позволяющей повысить эффективность решения аналитических задач. Удаление данных, занимающих менее 10Гб. Задачами процесса ETL (extraction, transformation, loading) являются: Извлечение данных из разнотипных источников, их преобразование, а также загрузка в базу или хранилище данных. Загрузка данных в различные источники, а так же их выгрузка из базы или хранилища данных. Сбор и последующая передача данных по единой телефонной линии (ЕТЛ). Системы OLTP предназначены для: Оперативной, то есть в режиме реального времени, обработки транзакций. Удаления данных, содержащихся во временных и условно-постоянных файлах, а также в файлах разработки. Длительного хранения больших объемов данных. Транзакция это: Набор операций над базой данных, который рассматривается как промежуточное, не завершенное, с точки зрения пользователя, действие над информацией. Набор операций над базой данных, который рассматривается как единое завершенное, с точки зрения пользователя, действие над информацией. Акция по транзиту данных через то или иное хранилище данных. Главное требование к OLTP-системам: Быстрое обслуживание относительно простых запросов большого числа пользователей. Обслуживание наиболее сложных запросов небольшого числа пользователей. Должны иметь программное обеспечение, позволяющее выполнять быструю очистку и трансформацию данных. Специализированные базы данных в СППР называются: Реляционными базами данных. Хранилищами данных. Базами данных иерархической направленности. Семантический слой это: Механизм, позволяющий аналитику оперировать данными посредством бизнес-терминов предметной области. Слой языковых единиц, позволяющий выполнять очистку поступающих в хранилище данных. Слой языковых единиц, позволяющий создавать сводные таблицы. Агрегирование данных это: Процесс обобщения детализированных данных. Применение специализированных программно-агрегатных комплексов для ускорения процесса загрузки данных в хранилище. Процесс детализации обобщенных данных. Аннотация, комментарии, глоссарий, примечания это: Метаданные. Семанотоданные. Гетероданные. Метаданные имеют два следующих уровня: Технический (административный) и бизнес-уровень. Высокоинтеллектуальный и сниженный. Уровень пользователя и уровень разработчика. ROLAP это: Реляционные хранилища данных. Многомерные хранилища данных. Многофункциональные хранилища данных. MOLAP это: Реляционные хранилища данных. Многомерные хранилища данных. Многоуровневые хранилища данных. HOLAP это: Хост-процессорные хранилища данных. Реляционные хранилища данных. Гибридные хранилища данных. Архитектуры ХД бывают: Реляционными Клиент-серверными. Многоуровневыми. Файл-серверными. Модельными. Виртуальными. Гибридными. Иерархическими. Многомерными. OLAP (On-Line Analytical Processing) это: Аналитические системы, обеспечивающие загрузку данных в реляционные базы данных в режиме реального времени. Быстрое обслуживание относительно простых запросов большого числа пользователей, при этом время ожидания выполнения типового запроса не должно превышать несколько секунд. Технология оперативного извлечения нужной информации из больших массивов данных и формирования соответствующих отчетов. Измерения это: Средства визуализации анализируемых данных имеющие соответствующую разметку. Наименования и свойства объектов, участвующих в некотором бизнес-процессе. Измеренные значения объемов загружаемой информации. Факты это: Исключительно достоверные данные, загружаемые в хранилище данных. Фактические данные, извлекаемые из хранилища данных для выполнения их анализа. Данные, количественно описывающие бизнес-процесс. Наименования товаров, названия фирм-поставщиков, названия городов это: Факты. Измерения. Структурные элементы загружаемых в хранилище данных. Цена товара, сумма продаж, зарплата сотрудников, сумма кредита это: Факты. Измерения. Структурные элементы выгружаемых из хранилища данных. Над измерениями гиперкуба можно производить следующие действия: Сечение. Свертка. Транспонирование. Группировка. Детализация. Реляционная БД состоит из: Двумерных таблиц, связанных с помощью ключевых полей. Структур типа «Звезда» или «Снежинка». Объектно-ориентированных иерархических структур. На логическом уровне различают следующие схемы построения реляционных ХД: «Крыло». «Релакс». «Звезда». Объектно-ориентированная. «Снежинка». ETL это: Комплекс методов, реализующих процесс переноса исходных данных из различных источников в аналитическое приложение или поддерживающее его хранилище данных. Единая телекоммуникационная линия для загрузки данных в хранилище. Единая имитационно-моделирующая среда для построения виртуальных хранилищ данных. В качестве источников извлечения данных используются: Файлы СУБД. Структурированные файлы различных форматов. Неструктурированные источники. К неструктурированным относятся данные: Определенным образом упорядоченные и организованные с целью обеспечения возможности применения к ним некоторых действий. Данные, для которых определены некоторые правила и форматы, но в самом общем виде. Произвольные по форме, включающие тексты и графику, мультимедиа (видео, речь, аудио). Трансформация данных это: Сжатие данных с использованием специализированных программ архивации. Комплекс методов и алгоритмов, направленных на оптимизацию представления и форматов данных с точки зрения решаемых задач и целей анализа. Комплекс методов и алгоритмов, направленных на изменение структуры данных с целью защиты от несанкционированного доступа. Примерные вопросы к зачету по дисциплине Модели и их свойства. Аналитический и информационный походы к моделированию. 2. Формы представления, типы и виды анализируемых данных. 3. Обучение моделей «с учителем» и «без учителя». Обучающее и тестовое множество. Ошибки обучения. Эффект переобучения. 4. Общая схема анализа данных. Требования к алгоритмам анализа данных. 5. Основные принципы сбора (формализации) данных. Требования к объемам анализируемых данных. 6. Характеристика этапов технологии KDD. 7. Data Mining. Характеристика классов задач, решаемых методами Data Mining. 8. Программный инструментарий для выполнения анализа данных. 9. Цели, задачи и основное содержание консолидации данных. Обобщенная схема процесса консолидации. 10. Характеристика OLTP-систем. 11. Предпосылки появления систем поддержки принятия решений DSS. Понятие ESS, EIS и GDSS. 12. Основные положения концепции хранилищ данных (DW). 13. Реляционные хранилища данных (ROLAP). 14. Технология OLAP. Сущность многомерного представления данных. 15. Структура многомерного куба. Работа с измерениями. 16. Многомерные хранилища данных (MOLAP). 17. Гибридные хранилища данных (HOLAP). 18. Виртуальные хранилища данных. 19. Цели, задачи и основное содержание процесса ETL. 20. Основные виды проблем в данных, из-за которых они нуждаются в очистке. 21. Организация процесса загрузки данных в хранилище. Постзагрузочные операции. 22. Причины отказа от использования хранилищ данных. Особенности загрузки данных из локальных источников. 23. Обогащение данных. 24. Цели, задачи и основное содержание трансформации данных. Трансформация данных на разных этапах аналитического процесса. Типичные средства трансформации. 25. Особенности трансформации временных рядов. Скользящее окно. Преобразование даты и времени. 26. Группировка и разгруппировка данных. 27. Способы слияния данных. 28. Квантование данных. 29. Нормализация и кодирование данных. 30. Цели, задачи и основное содержание визуализации данных. Группы методов визуализации. 31. Визуализаторы общего назначения. OLAP-анализ. 32. Манипуляции с измерениями OLAP-куба. 33. Визуализаторы, применяемые для оценки качества моделей. 34. Визуализаторы, применяемые для интерпретации результатов анализа. 35. Технологии и методы оценки качества данных. Профайлинг. 36. Очистка и предобработка данных. 37. Типичный набор инструментов предобработки данных в аналитическом приложении. 38. Фильтрация данных. Обработка дубликатов и противоречий. 39. Выявление аномальных и восстановление пропущенных значений. 40. Алгоритмы и методы сокращения числа признаков. 8. Учебно-методическое и информационное обеспечение дисциплины (дисциплинарного модуля): а) основная литература 1. Федин Ф.О. Анализ данных. Часть 1: Подготовка данных к анализу. Учебное пособие. – М: МГПУ, 2012. – 204 с. 2. Харинатх, Сивакумар, Кэррол и др. Microsoft SQL Server 2008 Analysis Services и MDX для профессионалов. Пер. с англ. – М.: ООО «И.Д. Вильямс», 2010. – 1072 с. 3. Маклаков С.В. Создание информационных систем с AllFusion Modeling Suite. – М.: Издательство Диалог-МИФИ, 2007 – 400 с. б) дополнительная литература 4. Барсегян А.А. и др. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. 2-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2007. 5. Полубояров В.В. Использование MS SQL Server 2008 Analysis Services для построения хранилищ данных. Интуит, 2010. – 487 с. 6. Туманов В.Е., Маклаков С.В. Проектирование реляционных хранилищ данных. – М.: Издательство Диалог-МИФИ, 2007 – 333 с. 7. Туманов В.Е. Проектирование хранилищ данных для систем бизнес-аналитики: учебное пособие. – М.:Интернет-Университет Информационных технологий: Бином. Лаборатория знаний, 2010. – 615 с. 8. http://www.edu.basegroup.ru в) программное обеспечение 9. Аналитическая платформа Deductor Studio; MS SQL Server 2008R2 (Enterprise или Developer). г) базы данных, информационно-справочные и поисковые системы 10. Учебные базы данных AdventureWorks2008R2. 9. Материально-техническое обеспечение дисциплины: Для проведения лекционных занятий требуется аудитория, оборудованная меловой доской, интерактивной доской, мультимедийным проектором с экраном. Для проведения лабораторных работ требуется специализированный компьютерный класс. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Похожие:
 | Рабочая программа Учебной дисциплины Анализ данных Для направления... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... | | Рабочая программа Учебной дисциплины Базы данных Для направления... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... |
| Рабочая программа Учебной дисциплины Операционные системы Для направления... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... | | Рабочая программа Учебной дисциплины Объектно-ориентированный анализ... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... |
| Программа дисциплины «Базы данных» для направления 080700. 62 Бизнес-информатика... «Базы данных» для направления 080700. 62 Бизнес-информатика подготовки бакалавра | | Программа дисциплины Анализ данных и прогнозирование для направления... Требования к студентам: Приступая к изучению данной дисциплины, студент должен обладать знаниями информатики в объеме общеобразовательной... |
 | Рабочая программа Учебной дисциплины Программная инженерия Для направления... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... | | Программа дисциплины «Архитектура корпоративных информационных систем»... «Архитектура корпоративных информационных систем» для направления 080700. 68 «Бизнес-информатика» подготовки бакалавра |
| Программа дисциплины «Проектирование информационных систем» для направления... «Проектирование информационных систем» для направления 080700. 68 «Бизнес-информатика» подготовки бакалавра | | Программа дисциплины «Современные средства построения интеллектуальных систем» Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080700.... |
| Рабочая программа Учебной дисциплины Научно-исследовательский семинар... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... | | Программа дисциплины «Экономико-математическое моделирование» для... Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 38. 04. 05 «Бизнес-информатика»... |
| Программа дисциплины «Автоматизация учета на предприятии» для направления... Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080500... | | Программа дисциплины Культурология Культурология для направления 080700. 62 «Бизнес-информатика» подготовки бакалавра |
| Рабочая программа Учебной дисциплины менеджмент для направления подготовки... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... | | Рабочая программа Учебной дисциплины менеджмент для направления подготовки... Программа составлена в соответствии с Федеральным государственным образовательным стандартом высшего профессионального образования... |
