Geum.ru

Рабочая программа дисциплины Анализ данных и распознавание образов Направление подготовки

Вид материалаРабочая программа

Содержание


Аннотация рабочей программы
1. Цели освоения дисциплины
2. Место дисциплины в структуре ООП бакалавриата
3. Компетенции обучающегося, формируемые в результате освоения дисциплины
4. Структура и содержание дисциплины
Лабор. работа
5. Образовательные технологии
7. Учебно-методическое и информационное обеспечение дисциплины
8. Материально-техническое обеспечение дисциплины
Подобный материал:

Приложение 3


МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ


Национальный исследовательский университет

Новосибирский государственный университет

Механико-математический факультет


УТВЕРЖДАЮ


_______________________


«_____»__________________201__ г.


Рабочая программа дисциплины

Анализ данных и распознавание образов


Направление подготовки

Error: Reference source not found


Профиль подготовки

Error: Reference source not found


Квалификация (степень) выпускника

Бакалавр


Форма обучения

Очная


Новосибирск 2010


Аннотация рабочей программы


Дисциплина «анализ данных и распознавание образов» (АДРО) является частью математического цикла ООП по направлению подготовки «Error: Reference source not found», профиль «Error: Reference source not found». Дисциплина реализуется на Механико-математическом факультете Национального исследовательского университета Новосибирский государственный университет кафедрой Теоретической. кибернетики ММФ НИУ НГУ.

Специальный курс относится к совокупности дисциплин профессионального цикла, ориентированных на подготовку бакалавров и магистров по направлению «математика и прикладная математика» (код специальности – 10200, код квалификации – 68); раздел – «специальные дисциплины» вузовской компоненты. Реализуется в рамках специализации «теоретическая кибернетика» на кафедре Теоретической кибернетики ММФ НГУ.

Содержание дисциплины охватывает круг вопросов, связанных с изучением принципов, моделей, методов, техники, аппарата и алгоритм решения задач в области анализа данных и распознавания образов.

Дисциплина нацелена на формирование общекультурных компетенций ОК-6, ОК-8, ОК-11, ОК-12, профессиональных компетенций ПК-12, ПК-20, ПК-21, ПК-25, ПК-29 выпускника.

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: лекции и самостоятельная работа студента.

Общая трудоемкость дисциплины составляет 36 лекционных часов.


1. Цели освоения дисциплины

(Указываются цели освоения дисциплины (или модуля), соотнесенные с общими целями ООП ВПО).

Целью преподавания курса является овладение студентами базовыми знаниями – основными принципами, моделями, методами, техникой, аппаратом и алгоритмами решения задач в области анализа данных и распознавания образов, – необходимыми для самостоятельной работы в научно-исследовательской, технической и производственной сферах будущей деятельности.

Задачами курса являются получение студентами:

1) знаний об основных принципах, моделях и задачах анализа данных и распознавания образов, а также методах и алгоритмах их решения;

2) навыков по построению моделей, анализу комбинаторной сложности и решению математических задач, к которым сводятся типовые проблемы в области анализа данных и распознавания образов.

2. Место дисциплины в структуре ООП бакалавриата

(Дается описание логической и содержательно-методической взаимосвязи с другими частями ООП (дисциплинами, модулями, практиками). Указываются требования к «входным» знаниям, умениям и готовностям обучающегося, необходимым при освоении данной дисциплины и приобретенным в результате освоения предшествующих дисциплин (модулей).)

Дисциплина «Принятие решений» является частью математического цикла ООП по направлению подготовки «Error: Reference source not found», профиль «Error: Reference source not found».

Дисциплина «Принятие решений» опирается на следующие дисциплины данной ООП:
  • Математический анализ;
  • Теория вероятностей и математическая статистика;
  • Теория алгоритмов;
  • Основы работы на ЭВМ;
  • Методы оптимизации (математическое программирование).

Результаты освоения дисциплины «Error: Reference source not found» используются в следующих дисциплинах данной ООП:
  • Базы данных и экспертные системы;
  • Вычислительная практика;
  • Системное и прикладное ПО;
  • Информационные системы.


3. Компетенции обучающегося, формируемые в результате освоения дисциплины «Error: Reference source not found»:
  • общекультурные компетенции: ОК-6, ОК-8, ОК-11, ОК-12;
  • профессиональные компетенции: ПК-12, ПК-20, ПК-21, ПК-25, ПК-29.

В результате освоения дисциплины обучающийся должен:
  • иметь представление о месте и роли изучаемой дисциплины среди других наук;
  • освоить содержание программы курса, формулировки задач, уметь анализировать входные данные задачи;
  • иметь представление об условиях применимости и о характеристиках методов решения задач анализа данных и распознавания образов;
  • уметь определять применимость конкретных методов для решения различных классов задач анализа данных и распознавания образов.


4. Структура и содержание дисциплины

Общая трудоемкость дисциплины составляет ?? зачетные единицы, 36 часов.

№ п/п
Раздел дисциплины
Семестр
Неделя семестра
Виды учебной работы, включая самостоятельную работу студентов и
трудоемкость

(в часах)
Формы текущего контроля успеваемости
(по неделям семестра)

Форма промежуточной аттестации
(по семестрам)

Лекция
Лабор. работа
Самост. работа
Контр. работа
Зачет

1
Введение в дисциплину и основные понятия. Анализ данных и распознавание образов: методологические аспекты. Объект, предмет и цели научной дисциплины. Базовые понятия. Основная содержательная проблема и ее типовые варианты. Примеры содержательных задач. Основные этапы и техника решения задач анализа данных и распознавания образов
1
1
4















2
Классические модели анализа данных и распознавания образов.

Критерии «похожести», критерии принятия решения; решающие функции, целевые функции, разделяющие гиперповерхности.

Модели Неймана-Пирсона, Байеса, максимального правдоподобия; минимаксная модель.
1
3
4















3
Модели и задачи кластерного анализа и поиска подмножеств.

Поиск подмножества векторов, «похожих» по критериям минимума суммы квадратов уклонений и максимального правдоподобия.

Разбиение множества векторов по критериям минимума суммы квадратов уклонений и максимального правдоподобия.

Разновидности задачи разбиения.

Проблема кластеризации структурированных данных. Кластеризация структурированных векторных последовательностей.

Разбиение по минимаксному критерию, критериям Неймана-Пирсона и Байеса.
1
5
10















4
Модели и задачи принятия решения об обнаруживаемом и распознаваемом объекте.

Проблема анализа и распознавания структурированных данных и объектов.

Задачи обнаружения повторяющегося вектора в числовой последовательности.

Задачи распознавания последовательности, включающей квазипериодически повторяющийся вектор-фрагмент из алфавита.

Задачи совместного обнаружения и идентификации векторов в числовой последовательности.

Задачи обнаружения в числовой последовательности повторяющегося вектора при наличии посторонних векторов-вставок.

Задачи обнаружения и идентификации повторяющегося набора векторов.

Задачи разбиения последовательности векторов на участки, включающие серии идентичных векторов.

Задачи распознавания алфавита векторов, порождающего последовательности.

1
11
14















5
Модели и задачи поиска подмножеств значимых признаков.

Основные подходы к решению проблемы. Постановки типовых задач.
1
18
4



























36












Экзамен

(Наиболее распространенные виды/формы организации учебного процесса: лекция/мастер-класс, лабораторная работа, практическая занятие, семинар/коллоквиум, самостоятельная работа студента, консультации/тьюторство, курсовое проектирование, производственная практика, научно-исследовательская работа, выпускная квалификационная работа).


5. Образовательные технологии

(Указываются образовательные технологии, используемые при реализации различных видов учебной работы. Наиболее распространенные виды/формы образовательных технологий: традиционные лекционно-семинарские системы обучения, информационные технологии (обучение в электронной образовательной среде), работа в команде, case-study (анализ реальных проблемных ситуаций и поиск решений), ролевая игра, проблемное изучение, контекстное изучение, обучение на основе опыта, индивидуальное обучение, междисциплинарное обучение, опережающая самостоятельная работа.

    В соответствии с требованиями ФГОС ВПО по направлению подготовки реализация компетентностного подхода должна предусматривать широкое использование в учебном процессе активных и интерактивных форм проведения занятий (компьютерных симуляций, деловых и ролевых игр, разбор конкретных ситуаций, психологические и иные тренинги) в сочетании с внеаудиторной работой с целью формирования и развития профессиональных навыков обучающихся. В рамках учебных курсов должны быть предусмотрены встречи с представителями российских и зарубежных компаний, государственных и общественных организаций, мастер-классы экспертов и специалистов.

    Удельный вес занятий, проводимых в интерактивных формах, определяется главной целью (миссией) программы, особенностью контингента обучающихся и содержанием конкретных дисциплин, и в целом в учебном процессе они должны составлять не менее 30% аудиторных занятий (определяется требованиями ФГОС с учетом специфики ООП). Занятия лекционного типа для соответствующих групп студентов не могут составлять более 50% аудиторных занятий (определяется соответствующим ФГОС)).


6. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины

(Приводятся виды самостоятельной работы обучающегося, порядок их выполнения и контроля, дается учебно-методическое обеспечение (возможно в виде ссылок) самостоятельной работы по отдельным разделам дисциплины.

Указываются темы эссе, рефератов, курсовых работ и др. Приводятся контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины.)


7. Учебно-методическое и информационное обеспечение дисциплины

а) основная литература:
  1. Гимади Э.Х., Глебов Н.И. Математические модели и методы принятия решений. Уч. пос. НГУ. Новосибирск 2008, 163 с.
  2. Гэри М., Джонсон Д. Вычислительные машины и трудно-решаемые задачи: Пер. с англ. – М: Мир, 1982, 416c.
  3. Пападимитриу Х., Стайглиц К. Комбинаторная оптимизация. Алгоритмы и сложность: Пер. с англ. – М.: Мир, 1985. 512 с.
  4. Фукунага К. Введение в статистическую теорию распознавания образов. М.: Наука, 1979. 368 с.
  5. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 511 с.

б) дополнительная литература:
  1. Глебов Н.И., Кочетов Ю.А., Плясунов А.В. Методы оптимизации // Уч. пособие. Новосибирск: НГУ, 2000. 105 с.
  2. Ерзин А.И. Введение в исследование операций. Уч. пособие. Новосибирск: НГУ, 2006. 100 с.
  3. Alexander Schrijver. A Course in Combinatorial Optimization // Department of Mathematics. University of Amsterdam. Netherland, 2008. 223 p.
  4. Alexander Schrijver. Combinatorial Optimization. Polyhedra and Efficiency // Springer. 2002. 1433 p.
  5. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 411 с.

в) программное обеспечение и Интернет-ресурсы:


8. Материально-техническое обеспечение дисциплины
  • Ноутбук, медиа-проектор, экран.
  • Программное обеспечение для демонстрации слайд-презентаций.



Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению «Error: Reference source not found» и профилю подготовки «Error: Reference source not found».


Автор: Кельманов Александр Васильевич

д.ф.-м.н., с.н.с., ММФ НГУ,

г.н.с. ИМ СО РАН


Рецензент (ы)


Программа одобрена на заседании

(Наименование уполномоченного органа вуза (УМК, НМС, Ученый совет)

от ___________ года, протокол № ________