| Kods | DE0914 | |||||||||||||||||||||||||||||||||||||||
| Nosaukums | Ievads datu analītikā | |||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles; Brīvās izvēles | |||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Pamatstudiju, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Ilze Birzniece | |||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 3.0 | |||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||
| Anotācija |
Datu analītika ir starpdisciplināra nozare, kas balstās uz matemātiku, statistiku, datorzinātni un datizraci, lai no datiem iegūtu potenciāli vērtīgas zināšanas. Datizrace (data mining) ir mašīnmācīšanās (machine learning) metožu lietošana lielām datu kopām, lai atklātu tajās sakarības un skaidrojumu vai prognozi uz vēsturisko datu pamata. Studiju kurss iepazīstina ar datizraces iespējām datu analītikā un zināšanu ieguvē no datiem, apskatot arī citus būtiskus datu analītikas posmus – datu priekšapstrādi un iegūto rezultātu analīzi lēmumu pieņemšanā. Studiju kursā tiek apskatītas galvenās datizraces pieejas pārraudzītajā (supervised) un nepārraudzītajā (unsupervised) apmācībā – regresija, klasifikācija, klasterēšana un asociatīvo likumu meklēšana, iepazīstinot ar populārākajām metodēm katrā no tām. Apgūtās metodes tiek praktiski izmantotas datizraces uzdevumu veikšanai gan ar bezkoda rīkiem, gan programmējot.. |
|||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir attīstīt studējošo izpratni par datu analītikas iespējām un prasmes lietot konkrētam uzdevumam atbilstošas datizraces pieejas un rīkus. Studiju kursa uzdevumi: - iepazīstināt studējošos ar mūsdienu datu analītikas iespējām, lietojot datizraces pieejas; - veidot izpratni par datu ieguves un apstrādes procesiem, lai iegūtu datos balstītas zināšanas; - attīstīt prasmes darbā ar datizraces metodēm un rīkiem; - veicināt analītiskās spējas, kritisko domāšanu un argumentāciju lēmumu pieņemšanas procesā. | |||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Prot veikt datu ielasi, nepieciešamo priekšapstrādi, vizualizāciju un statistikas izvadi, interpretējot iegūtos rezultātus. - Izpildīts praktiskais darbs. Students demonstrē izpratni par datu priekšapstrādes uzdevumiem un prasmes to izpildē ar atbilstošiem līdzekļiem. Spēj risināt lineārās regresijas uzdevumu. - Izpildīts praktiskais darbs. Students prot atrisināt lineārās regresijas uzdevumu, izmantojot atbilstošus programmatūras līdzekļus. Spēj risināt klasifikācijas uzdevumu ar dažādiem algoritmiem un rīkiem, novērtēt iegūtos rezultātus. - Izpildīti praktiskie darbi. Students prot atrisināt klasifikācijas uzdevumu, izmantojot atbilstošus programmatūras līdzekļus, kā arī demonstrē kompetenci iegūto rezultātu interpretēšanā. Spēj risināt asociatīvo likumu atrašanu ar dažādiem rīkiem, novērtēt iegūtos rezultātus. - Izpildīti praktiskie darbi. Students prot atrast asociatīvos likumus, izmantojot atbilstošus programmatūras līdzekļus, kā arī demonstrē kompetenci iegūto rezultātu interpretēšanā. Spēj risināt klasterēšanas uzdevumu ar dažādiem algoritmiem un rīkiem, novērtēt iegūtos rezultātus. - Izpildīti praktiskie darbi. Students prot atrisināt klasterēšanas uzdevumu, izmantojot atbilstošus programmatūras līdzekļus, kā arī demonstrē kompetenci iegūto rezultātu interpretēšanā. |
|||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Sekmīgi izpildīti vismaz 6 no 8 praktiskajiem darbiem - 100%
|
|||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Pamatzināšanas datu apstrādē ar lietojumprogrammām, pamatzināšanas Python programmēšanas valodā. | |||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||