У статті зібрано відгуки про вибіркові дисципліни катедри ШІ на 3 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з ознайомлювальною метою.

Хочемо звернути увагу:

Вказані відповіді викладачів — викладач або викладачка вперше викладатиме дану дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.

Стаття містить статистику 2022-2023 років — відповідей цьогорічного опитування було недостатньо, додана інформація з попередніх статей.

Висловлюємо щиру подяку студентам, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання!

Освітній компонент 1

Інтелектуальний аналіз даних (Недашківська Н.І.)

Про що предмет, що вивчалося?

• «Основи Data Science і машинного навчання, основні моделі, що використовуються для розв'язання задач регресії, класифікації, кластеризації, їхнє математичне підґрунтя й програмна реалізація».

Які попередні знання необхідні?

• «Математичний аналіз і статистика, дуже бажаними будуть базові знання мови Python».

Розкажи про актуальність отриманих знань.

• «Одна з найбільш актуальних дисциплін ІПСА, якщо ви збираєтеся стати Data Science / ML-інженером. Основні джерела інформації — книги Гудфеллоу й Рашки, а також документація бібліотеки Scikit-learn. У лабораторних часто використовувалися датасети з Kaggle». «Достатньо актуальні».

Розкажи про РСО.

• «5 лаб (7 балів за саму лабу + 7 балів за захист) — 70 балів, кр — 30 балів».

Які загальні враження від дисципліни?

• «Дисципліна сподобалася — дозволяє спробувати різні алгоритми й метрики, відчути різницю та специфіку кожної з них. Не є надто важкою, якщо приділяти лабам час; на 1 лр потрібно було реалізувати алгоритм, а на всіх наступних — побудувати та оцінити різні моделі з різними гіперпараметрами. Єдиний недолік — лаби здаються трохи однотипними під кінець семестру».

• «Дисципліна дуже сподобалася, матеріал цікавий, дуже корисний, проте місцями незрозумілий».

• «Цікавий предмет, викладачка дуже просто та зрозуміло все пояснює, рекомендую».

Теорія інформації і кодування (Коваленко А.Є.)

Про що предмет, що вивчалося?

• «Ви дізнаєтесь про ентропію інформації (не має нічого спільного з ентропією у фізиці, просто красиве слово) та теоретичний максимум стиснення даних. Також будуть розібрані та відпрацьовані на практиці (ручкою на папері) алгоритми стиснення даних (такі, як код Хаффмана)».

Які попередні знання необхідні?

• «Жодних попередніх знань не потрібно».

Розкажи про актуальність отриманих знань.

• «Знання актуальні, але марні, скоріше для власного розвитку, а не як повноцінна прикладна дисципліна».

Які загальні враження від дисципліни?

• «Лайтова дисципліна, легко забрати бали (це ж Коваленко, камон). Знання не те щоб важливі, але достатньо цікаві».

• «Достатньо цікаво, але актуальність даного матеріалу не є доцільною, якщо необхідно використовувати знання для пошуку роботи».

Мультипарадигменні мови програмування (Канцедал Г.О.)

Про що предмет, що вивчалося?

• «Програмування на Python, алгоритми й структури даних із використанням даної мови, трохи машинного навчання в останніх лабораторних».

Які попередні знання необхідні?

• «Базове володіння мовою Python».

Розкажи про актуальність отриманих знань.

• «Зі слів викладача, усі лабораторні роботи були завданнями зі співбесід, тому знання можна вважати досить актуальними».

Розкажи про РСО.

• «10 лабораторних робіт або 4 курси на 90 балів і змагання на Kaggle на 10 балів».

Які загальні враження від дисципліни?

• «Досить непогана дисципліна. Викладач компетентний, завжди був на зв'язку: швидко відповідав на запитання, якщо вони з'являлися, та інформував про будь-які зміни в роботі».

Освітній компонент 2

Мови та технології штучного інтелекту (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Я не виніс для себе з предмета жодної корисної інформації. Зміст курсу не відповідає назві. Якщо вам цікаве щось пов'язане з ШІ, то краще йдіть на ІАД. З лабораторних можу згадати вивчення мови Prolog, яка нікому не потрібна, бо наразі вона трохи мертва. Ще була лабораторна про логічні задачі, як-от Задача про N-Королев, яка теж була не зовсім актуальною, якщо чесно».

Які попередні знання необхідні?

• «Не можу згадати специфічних вимог, все розглядалося згодом на обов'язкових курсах. Мені здається, що необхідно було щось із дискретки».

Розкажи про актуальність отриманих знань.

• «На жаль, знання не дуже актуальні».

• «Немає жодної актуальності, як на мене».

Розкажи про РСО.

• «Перша робота — презентація у групах, потім 5 лабораторних робіт. У кінці курсу запропонували завдання на додаткові бали, де потрібно було написати невелику програму на будь-яку обрану тему з файлу».

• «Презентація, декілька лабораторних та захист звіту. Також треба було написати програму для розв'язання логічної задачі».

Які загальні враження від дисципліни?

• «Негативні, обрав би щось інше. Проте єдиним плюсом є те, що викладач завжди йде назустріч. Предмет не складний, але з таким самим успіхом, напевно навіть краще, можна просто дивитися наукпоп типу 3Blue1Brown чи TED на ютубі».

Технології візуалізації даних (Фегер А.П.)

(Викладач не надав відповідей, тому дивіться Ф-каталог.)

Мережі Байєса в системах підтримки прийняття рішень (Терентьєв О.М.)

Які попередні знання необхідні?

• «Майже ніяких, усе і так стане зрозумілим».

Розкажи про РСО.

• «4 лаби (одна з яких — есе) у сумі складають 70 балів, залік (тест у гугл-формі) — 20 балів, активність на парах — 10 балів».

Які загальні враження від дисципліни?

• «Викладач скасовував половину пар, на кожній лекції читався майже один і той же матеріал, якихось програм, де можна робити обчислення, було показано багато, але хотілося б більше теорії. Якщо хочеш високий бал, треба ходити на кожну пару та спілкуватися з Терентьєвим».

Освітній компонент 3

Розробка і тестування програм (Бендюг В.І.)

(Відповідь викладача.)

Що порадите додатково вивчити чи особливо передивитися перед відвідуванням вашої дисципліни?

Для вивчення цієї дисципліни необхідно знання розділів курсів:

• Алгоритми і структури даних.

• Алгоритмізація та програмування.

• Об'єктно-орієнтоване програмування.

• Операційні системи.

Кому радите обрати цей предмет?

• «Студентам, які хочуть набути навичок проєктування програмного забезпечення та тестування програмних продуктів».

Які види роботи планується проводити?

• «Курс складається з 18 лекцій та 12 практичних занять, на яких розглядаються приклади для ілюстрації теоретичного матеріалу лекцій. Дисципліна має повний дистанційний курс на платформі для онлайн навчання Сікорський (Google Workspace). За матеріалами лекцій та практичних занять виконуються тестові опитування в гугл-класі, а також передбачена МКР у вигляді тестів».

Які основні знання та навички можна набути після проходження курсу?

Результати навчання охоплюють:

• Ознайомлення з принципами розробки ПЗ.

• Ознайомлення з моделями розробки та життєвим циклом ПЗ.

• Ознайомлення з моделями гнучкої розробки ПЗ.

• Ознайомлення з принципами тестування ПЗ та класифікацією методів тестування.

• Уміння формувати якісні вимоги до створення ПЗ та проводити тестування вимог.

• Знання класифікацій тестування ПЗ та ознайомлення з техніками тестування.

• Ознайомлення з чек-листами та тест-кейсами та принципами створення якісних чек-листів та тест-кейсів.

• Уміння формувати звіти про дефекти та знання життєвого циклу дефекту ПЗ.

• Ознайомлення з принципами планування та формування звітності при тестуванні ПЗ.

• Ознайомлення з основами автоматизованого тестування.

Бази даних SQL для обробки та аналізу даних (Кухарев С.О.)

(Викладач не надав відповідей, тому дивіться Ф-каталог.)

Прикладна статистика (Левенчук Л.Б.)

Про що предмет, що вивчалося?

• «Усе дуже просто: тобі показують, як використовувати те, що ти більш-менш вчив на практиці. Викладач підлаштовується та слухає побажання».

Які попередні знання необхідні?

• «Та по факту ніяких. Уміння користуватися Excel буде плюсом, якщо ж не вмієте, спокійно навчитеся».

• «Особливо ніяких, бо вам все пояснять знову, але матстат не завадить».

Розкажи про актуальність отриманих знань.

• «Одногрупнику знадобилися знання на посаді Data Analyst».

Розкажи про РСО.

• «3 лаби, якщо вчасно здав, то 30, 30, 40 за лаби й кр автоматом, якщо проспав/ла дедлайн, то 3 лабораторних по 30 і МКР на 10».

Які загальні враження від дисципліни?

• «Дуже сподобалося, не так і складно, і навіть цікаво».

• «Дуже позитивні, гарний предмет і неймовірний викладач, який завжди йде назустріч».

Освітній компонент 4

Методологія Data Science (Пишнограєв І.О.)

Про що предмет, що вивчалося?

• «Базові знання для Data Science, тобто були 3 курси з pandas, mathplotlib, ML та NLTK. У кінці був командний проєкт, де обчислювався індекс для оцінки країн за різними сферами відповідно до книги. Викладач не проводив ані лекцій, ані практик, ані консультацій».

Які попередні знання необхідні?

• «Бажано хоч трохи знати Python».

Розкажи про актуальність отриманих знань.

• «Якщо реально вчити предмет, то для аналітики — топчик».

• «Актуально, предмет дає базу в Data Science».

Розкажи про РСО.

• «Три курси на 70 балів, решта — груповий проєкт».

Які загальні враження від дисципліни?

• «Гарний викладач, корисна дисципліна».

• «Щодо отриманих знань — враження позитивні, а от щодо викладача не можу нічого сказати, він надав лише курси та книги».

Веборієнтована розробка програмного забезпечення (Гуськова В.Г.)

Про що предмет, що вивчалося?

• «Веброзробка: HTML, CSS, JS, основи JS-фреймворків».

• «На момент написання статті предмет тільки почався, але, якщо я правильно зрозумів, то введення у веброзробку. Від теорії до практики».

Які попередні знання необхідні?

• «Поки враження, що необхідних навичок, які треба мати до курсу немає, але перевагою буде знання CSS, HTML тощо. У цілому, необхідно просто мати якесь розуміння програмування й все».

Розкажи про актуальність отриманих знань.

• «Досить добре структурує все про основні технології веброзробки, на яких базуються вже актуальні технології. Але водночас усі деталі не розкриваються (хоча за один семестр це й неможливо)».

• «Знання актуальні».

Розкажи про РСО.

• «По суті, за семестр треба створити власний сайт від дизайну до робочого (або здебільшого робочого) проєкту».

• «Три лабораторні, що складаються в проєкт. Кожна лаба (і проєкт в цілому) робиться бригадою. Робота полягає в тому, що спершу робите для сайту чистий HTML, потім додаєте CSS і після JS. Але, власне кажучи, за перші дві лаби приймала сайт вже із CSS і JS. Також наче мав бути якийсь тест, але його не було (у перший семестр після вторгнення)».

Які загальні враження від дисципліни?

• «Корисна для всіх, кому колись доведеться зробити свій мінілендінг. Мала б бути обов'язковою дисципліною раніше, ніж на третьому курсі. Гуськова старається, із нею приємно працювати. Коротко кажучи, рекомендую всім, хто слабко знайомий із вебом або має неструктуровані знання (але розумію, що альтернативи можуть теж бути хорошими)».

• «Корисно для тих, хто хоче у фронтенд (приходьте в GR8 Tech Academy)».

• «Поки дуже позитивні, очікування повністю виправдовуються. Дуже подобається викладачка».

Алгоритми робототехніки (Титаренко А.М.)

Про що предмет, що вивчалося?

• «Основи робототехніки, машинне навчання, компʼютерний зір, deep learning».

Які попередні знання необхідні?

• «Математичний аналіз, математична статистика, але, у принципі, буде зрозуміло і без цього».

Розкажи про актуальність отриманих знань.

• «Якщо цікавишся штучним інтелектом, то дуже актуально».

Розкажи про РСО.

• «Три ДЗ (доволі обʼємних) — 98 балів. Можна ще зробити проєкт — від 50 до 98 балів здається. Якщо робиш і ДЗ, і проєкт, то 100».

Які загальні враження від дисципліни?

• «Дуже рекомендую цю дисципліну, викладач усе зрозуміло пояснює та цікаво розповідає. Можна дізнатися купу всього нового та цікавого. Бали набрати досить легко».

6 семестр

Освітній компонент 5

Синергетичні методи аналізу (Зінченко А.Ю.)

(Відповідь викладача.)

Що порадите додатково вивчити чи передивитися перед відвідуванням вашої дисципліни?

• Будуть корисними знання з наступних курсів: диференціальні рівняння, чисельні методи, моделювання складних систем, об'єктно-орієнтоване програмування, математичне програмування, теорія стійкості й варіаційне числення.

Кому порадите обрати цей предмет?

Тим, кому буде цікаво:

• Застосування синергетичних методів аналізу для глибшого розуміння макроекономічних процесів.

• Проведення аналізу хаотичної динаміки в економіці, дослідження ринку Forex, розв'язання прикладних задач теорії катастроф.

• Створення й апробування нових способів та інструментів синергетичного аналізу до дослідження складних систем і процесів.

• Застосування чисельні методи виявлення й дослідження атракторів і динамічного хаосу до управління економічними системами та процесами.

Які види роботи планується проводити?

У курсі передбачено 36 годин на лекції, 18 годин на практичні / комп'ютерні практикуми та 66 годин на самостійну роботу.

Студентам пропонується виконати практичні роботи з наступних тем:

• Кількісні та якісні характеристики послідовностей даних.

• Елементи фрактального аналізу.

• Дослідження хаотичної поведінки розв'язків різницевих рівнянь із параметрами. Універсальна поведінка для класу рівнянь.

• Дослідження нелінійної динаміки диференційних рівнянь II порядку.

• Моделювання динамічного хаосу.

• Ґратки зв'язаних відображень: класифікація просторово-часових станів.

• Моделювання структур у ґратках зв'язаних відображень.

• Моделювання просторових структур у системі «реакція з дифузією».

• Взаємодія хвиль у моделі збудженого активного середовища.

Докладніше з матеріалами практичних робіт можна ознайомитися за посиланням.

Які основні знання та навички можна набути після проходження курсу?

Після проходження курсу студент набуває наступних компетентностей:

• Аналіз наявності хаосу у фрактальних рядах.

• Проведення математичного та комп'ютерного моделювання складних систем.

• Виконання синергетичного аналізу динамічних об'єктів і процесів різної природи (зокрема дослідження стійкості диференціальних систем, створення карт динамічних режимів, реконструювання математичних моделей за спостереженнями).

• Аналіз фрактальних множин різної природи для прийняття рішень у банківській сфері й фінансах.

Розкажіть про свій практичний досвід, пов'язаний із темою дисципліни.

• Результати практичних розрахунків, пов'язаних із темою дисципліни, опубліковані в 3 монографіях. Теоретичні матеріали — у 2 посібниках, методичних рекомендаціях. Для практичних розрахунків використовував власне програмне забезпечення: для дослідження часових рядів або скалярних реалізацій від динамічних систем — написане на Java, для дослідження динамічних систем — на C#.

• Ознайомитися з матеріалами практичних робіт можна за посиланням

Які основні знання та навички можна набути після проходження курсу?

Після проходження курсу студент набуває наступних компетентностей та програмних результатів навчання:

• Проводити математичне та комп'ютерне моделювання складних систем.

• Виконувати синергетичний аналіз динамічних об'єктів та процесів різної природи.

• Аналізувати наявність хаосу у фрактальних рядах.

• Аналізувати фрактальні множини різної природи для прийняття рішень в банківській сфері і фінансах.

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «Результати практичних розрахунків, пов'язаних із темою дисципліни, опубліковані в трьох монографіях. Теоретичні матеріали — у двох посібниках, методичних рекомендаціях. У роботі з практичними розрахунками використовував власне програмне забезпечення: для дослідження часових рядів або скалярних реалізацій від динамічних систем — написане на Java, для дослідження динамічних систем — написане на C#».

Теорія ігор (Барановська Л.В.)

Про що предмет, що вивчалося?

• «Вивчається, очевидно, теорія ігор, різні їхні приклади, стратегії, рівноваги тощо».

Які попередні знання необхідні?

• «Ніякі».

Розкажи про РСО.

• «Обирався предмет із надією закрити курсиками, але пройшла лафа, і зараз РСО складається з 4 тестів на 5 балів, курсу або іншого тесту на 30 балів, а також реферату й презентації на 30 + 20 балів».

Які загальні враження від дисципліни?

• «Поки мало що можу сказати, але тести Барановської, як завжди, цікаві (не в дуже гарному сенсі). Взагалі Барановська пояснює на практиках елементарне 100 мільйонів часів і розказує, яка теорія ігор корисна, тому в кого вона вела лінійну алгебру зрозуміє».

Управління ІТ-проектами (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Методології управління розробкою продукту, знаходження критичного шляху».

• «Вивчали, як управляти ІТ-проєктом».

Які попередні знання необхідні?

• «Знати, як додавати та множити числа».

Розкажи про актуальність отриманих знань.

• «Отримані знання доволі актуальні, agile-методології часто застосовують при розробці продуктів, тому може щось стати у пригоді в реальній роботі».

• «Думаю, ці знання будуть актуальні для project-менеджера».

Розкажи про РСО.

• «4 чи 5 лабораторних і 2 контрольні роботи. Загалом не напряжно й зрозуміло, оцінювання об'єктивне та з коментарями».

• «Було багато завдань, більшість із них протягом 2 календарного контролю. Можна було отримати багато додаткових балів за демонстрацію виконаних завдань на парі».

Які загальні враження від дисципліни?

• «Було доволі легко, оскільки цей предмет можна віднести до гуманітарних дисциплін у деякому сенсі. Загалом можна дещо дізнатися про agile-методології, що в принципі корисно знати при керуванні проєктами та плануванні робіт всередині проєкту».

• «Викладачка чудова, закрити дисципліну відносно легко, тільки багато завдань».

Освітній компонент 6

Інтелектуальні системи підтримки прийняття рішень (Недашківська Н.І.)

Про що предмет, що вивчалося?

• «Основи Machine Learning і Data Science. Навчали робити регресію, кластеризацію, класифікацію. Розказали теорію».

• «Предмет насправді — продовження ІАД із тією ж викладачкою. Суть курсу — нейронні мережі, повнозв'язні та згорткові».

Які попередні знання необхідні?

• «Бажано бути знайомим із Python. Якщо не знаєте, не страшно: необхідні навички можна досить швидко отримати з будь-якого тематичного курсу на Udemy чи інших платформах. Якщо хочете розуміти теорію, то треба мати розуміння ТЙ».
• «Python, бажано щось знати про TensorFlow чи PyTorch, але розібратися можна. Краще обирати, якщо вже був на першій частині її курсу».

Розкажи про актуальність отриманих знань.

• «Повністю актуальні».

• «Як основа — цілком нормальний предмет. Дає розуміння, як розв'язувати стандартні задачі нейронками».

Розкажи про РСО.

• «Декілька лабораторних (здається 5) по 14 балів кожна (7 за лабу та 7 за захист). Пара контрольних, на яких були теоретичне та практичне завдання».

• «Була якась кількість лаб (біля 5) та, здається, 2 контрольні».

Які загальні враження від дисципліни?

• «Цілком позитивні. Актуальні знання, гарна викладачка, гарні лаби».

• «Гарна дисципліна, доволі корисна. Це найсерйозніше з Deep Learning, що було за всі роки. Лаби, щоправда, дещо одноманітні».

Сучасні методи оптимізації (Шубенкова І.А.)

(Викладач не надав відповідей, тому дивіться Ф-каталог.)

Статистичний аналіз і прогнозування економічних процесів (Макаренко О.С.)

Про що предмет, що вивчалося?

• «Моделювання систем, системна динаміка».

Які попередні знання необхідні?

• «Хоча б базове розуміння програмування, як будувати моделі та як із ними взаємодіяти».

Розкажи про актуальність отриманих знань.

• «Немає».

Розкажи про РСО.

• «Усього 6 лаб + він відмічає присутність і за неї збільшує бали. Здавати лаби можна й без захисту, але оцінка буде меншою».

Які загальні враження від дисципліни?

• «Нудні лекції, яких із початку курсу було тільки 2, а далі викладач захворів, і його вже тижні 3-4 немає».

Освітній компонент 7

Нейронні мережі (Данилов В.Я.)

Про що предмет, що вивчалося?

• «Основи нейронних мереж».

Які попередні знання необхідні?

• «Програмування на Python».

Розкажи про актуальність отриманих знань.

• «Більш-менш актуальні знання. У чистому вигляді навряд чи де можна використати знання з даного предмету, але він цього і не вимагає, основна ціль це навчити базовим моделям, розказати про теоретичне та математичне підґрунтя різних моделей, що буде корисно, якщо стоїть ціль розвиватися у даному напрямку».

Розкажи про РСО.

• «5 лабораторних робіт у командах».

Які загальні враження від дисципліни?

• «У загальному сенсі, корисна для вивчення дисципліна за умови, якщо цікавлять нейронні мережі. Зробити лабораторні роботи не складно, що з одного боку добре - ненапряжний предмет, з іншого - мало що можна буде напряму використати у подальшому житті. Викладач лояльно ставиться до студентів, відповідає на питання, але у багатьох речах, наприклад, подачі матеріалу, може бути нудним чи затягувати одну річ на об'єктивно більше часу, ніж варто було б.»

Python для аналізу даних DS (Кот А.Т.)

(Викладач не надав відповідей, тому дивіться Ф-каталог.)

Багатовимірний статистичний аналіз (Джигирей І.М.)

Про що предмет, що вивчалося?

• «Робота з програмою Statistica. Дисципліна передбачає аналіз даних. Пояснено, як їх обробляти, які є методи, які краще використовувати, та навіщо це потрібно. Предмет допоможе більш детально зрозуміти спеціальність Data Science, використовуючи знання математики».

• «Вивчались різні види аналізу даних, а саме: кореляційний, кластерний, дискримінантний, факторний аналіз, метод головних компонент та створення індексів оцінювання».

Які попередні знання необхідні?

• «Ніяких».

Розкажи про актуальність отриманих знань.

• «Актуальні у сфері дата аналізу».

Розкажи про РСО.

• «Загалом було 8 практикумів по 6 балів. Після кожної лекції проводилось фронтальне опитування, що вартувало 1 бал. Загальна кількість опитувань — 16. Також було 3 мкр, що оцінювалися в 15, 12 та 9 балів».

Які загальні враження від дисципліни?

• «Позитивні».

• «Лише позитивні, предмет корисний та актуальний, викладання на гарному рівні. Закрити предмет доволі легко, адже всі практикуми викладач показує як роботи в середовищі Statistica, а мкр складається з питань, які раніше розглядалися на фронтальних опитуваннях».

Освітній компонент 8

Метаевристичні алгоритми оптимізації (Шаповал Н.В.)

(Дивіться Ф-каталог.)

Технології розробки програмного забезпечення (Кухарєв С.О.)

Про що предмет, що вивчалося?

• «Назва цілком відповідає суті предмета: будуть розглядатися різні аспекти процесу розробки ПЗ: тестування, проєктування тощо».

Які попередні знання необхідні?

• «Основи будь-якої мови програмування, ООП, бажано Git / Github».

Розкажи про актуальність отриманих знань.

• «Інформація цілком актуальна, оскільки викладається спеціалістами-практиками з EPAM».

Розкажи про РСО.

• «Домашні завдання й квізи (тести) щотижня. Також, імовірно, можливість закриття предмета курсерою. Наразі чекаємо від викладача список курсів».

Які загальні враження від дисципліни?

• «У цілому, відеозаписи лекцій доволі інформативні й актуальні, предмет зачіпає усього потроху та є гарною можливістю ознайомитися з різними етапами розробки ПЗ. Проте більшість студентів чекає набір курсів, якими можна буде лайтово закрити предмет».

Визначення взаємозв'язків в інтелектуальному аналізі даних (Жиров О. Л.)

(Дивіться Ф-каталог.)

(Відповідь викладача.)

• «У процесі накопичення даних збільшується необхідність застосування комп'ютерних методів інтелектуального аналізу даних як ефективного допоміжного засобу, що дозволяє досліднику отримати додаткові знання з предметної галузі, у якій він працює та має приймати зважені й обґрунтовані рішення. Економісти, статистики, прогнозисти та інженери давно усвідомили, що закономірності в даних можна шукати автоматично, ідентифікувати, перевіряти й застосовувати для прогнозування нових даних. Класичним прикладом у галузі прогнозування товарообігу, який вимагає застосування методів інтелектуального аналізу даних, є проблема зміни вподобань клієнтів на конкурентному ринку. Ключем до розв'язання цієї проблеми є база даних профілів клієнтів і їх покупок. Моделі поведінки покупців можна проаналізувати, щоб визначити відмінні характеристики. Якщо такі характеристики вдалося знайти, можна застосувати для ідентифікації непостійних клієнтів або тих, що в цю мить не користуються певними товарами, але можуть зацікавитися ними. Назві інтелектуальний аналіз даних відповідає англомовне Data Mining».

Ви можете ознайомитися з відгуками про викладачів на каналі IASA Analytics.

Із запитаннями та пропозиціями звертайтеся до нас у @IASAsuggestionBot.