Самостоятельная Работа. Занятие 7. Прогнозирование продаж товаров в оптовой компании

Занятие 7. Прогнозирование продаж товаров в оптовой компании

Задание к лабораторной работе

Решить задачу прогнозирования спроса, а именно автоматизировать ежемесячный расчет потоварного прогноза на следующие три периода,

Литература. [5] С. 676-682.

№п/п	№ раздела (темы) дис-циплины	Форма самостоятельной работы	Трудоём-кость в часах
		Изучение материалов к лекции. Работа с литературой
		Изучение материалов к лекции. Работа с литературой.
		Изучение материалов к лекции. Работа с литературой. Оформление отчета к лабораторной работе. Подготовка к защите отчета
		Изучение материалов к лекции. Работа с литературой. Оформление отчета к лабораторной работе. Подготовка к защите отчета
		Изучение материалов к лекции. Работа с литературой. Оформление отчета к лабораторной работе. Подготовка к защите отчета
		Изучение материалов к лекции. Работа с литературой. Оформление отчета к лабораторной работе. Подготовка к защите отчета
		Изучение материалов к лекции. Работа с литературой.
		Изучение материалов к лекции. Работа с литературой
ИТОГО:

КОНТРОЛЬНЫЕ ВОПРОСЫ И СИСТЕМА ОЦЕНИВАНИЯ

Перечень контрольных вопросов к зачету по курсу «Методы анализа данных»

1. Что такое анализ данных? Задачи анализа данных.

2. Методы и стадии анализа данных.

3. Сравнение статистики, машинного обучения и методов анализа данных.

4. Анализ данных как часть рынка информационных технологий.

5. Набор данных и их атрибутов. Измерения. Форматы хранения данных.

6. Базы данных. Классификация видов данных. Метаданные.

7. Сопоставление и сравнение понятий «информация», «данные», «знание задачи анализа данных».

8. Стандарты анализа данных.

9. Задача классификации. Процесс классификации. Точность классификации

10. Методы и алгоритмы классификации и прогнозирования.

11. Метод «наивной классификации».

12. Байесовская классификация. Байесовская фильтрация по словам

13. Метод опорных векторов.

14. Метод «ближайшего соседа» или системы рассуждений на основе аналогичных случаев.

15. Деревья решений. Преимущества деревьев решений. Процесс конструирования дерева решений.

16. Алгоритм покрытия.

17. Математическая модель. Этапы построение математической модели. Проверка и оценка моделей.

18. Анализ данных в Microsoft Excel.

19. Регрессионный анализ. Метод наименьших квадратов.

20. Нелинейные методы регрессионного анализа.

21. Метод опорных векторов.

22. Описательная статистика.

23. Корреляционный анализ.

24. Факторный анализ.

25. Метод главных компонент.

26. Алгоритм NIPALS вычисления главных компонент.

27. Метод сингулярных компонент.

28. Метод максимального правдоподобия.

29. Метод альфа-факторного анализа.

30. Графическое, аналитическое и матрично-приближенное вращение.

31. Характеристики ассоциативных правил. Границы поддержки и достоверности ассоциативного правила.

32. Методы поиска ассоциативных правил. Часто встречающиеся приложения с применением ассоциативных правил.

33. Часто встречающиеся шаблоны или образцы ассоциативных правил. Алгоритм Apriori.

34. Разновидности алгоритма Aprior.Пример решения задачи поиска ассоциативных правил.

35. Оценка качества кластеризации. Процесс кластеризации. Применение кластерного анализа.

36. Методы кластерного анализа: иерархические методы, методы объединения или связи.

37. Иерархический кластерный анализ в SPSS.

38. Итеративные методы кластерного анализа. Алгоритм k-средних.

39. Иерархические алгоритмы. Иерархические образы. Представление результатов иерархического алгоритма.

40. Сложности и проблемы, которые могут возникнуть при применении кластерного анализа.

41. Новые алгоритмы и некоторые модификации алгоритмов кластерного анализа.

42. Методы визуализации. Характеристика средств визуализации данных.

43. Визуализация инструментов метода анализа данных. Визуализация моделей.

44. Представление данных в одном, двух и трех измерениях. Представление данных в 4 + измерениях.

45. Представление пространственных характеристик. Основные тенденции в области визуализации. Методы геометрических преобразований.

46. Анализ структурированной информации, хранящейся в базах данных.

47. Классификация и кластеризация текстовой информации.

48. Информационный поиск в текстах. Поиск по словарю. Обработка запроса. Булева модель.

49. Модули текстового анализа.

50. Классификация инструментов анализа данных.

51. Программное обеспечение анализа данных для поиска ассоциативных правил.

52. Программное обеспечение для решения задач кластеризации и сегментации.

53. Программное обеспечение для решения задач классификации.

54. Программное обеспечение анализа данных для решения задач оценивания и прогнозирования.

55. Прогнозирующие модели.

56. Дескрипторные модели.

Дата добавления: 2014-10-17