Big Data Analytics in Finance

В дисциплині розглядаються основи сучасної обробки даних – інтелектуального аналізу даних (Data Mining, Knowledge Discovery in Data), аналітичного дослідження великих масивів інформації з метою виявлення нових раніше невідомих, практично корисних знань і закономірностей, необхідних для прийняття рішень; методи, програмні продукти і різні інструментальні засоби, які використовуються Data Mining. Курс розрахований на слухачів з базовими навиками розробки програмного забезпечення, роботи з БД (SQL) та високим рівнем підготовки з математичної статистики, теорії ймовірності тощо.

Метою навчальної дисципліни є ознайомлення із основними методами інтелектуального аналізу даних та технологіями їх застосування. Задачею навчальної дисципліни є засвоєння технологій, що застосовуютсья на всіх етапах етапів інтелектуального аналізу даних, таких як: очистка даних, аналіз даних та візуалізація даних.

В результаті вивчення дисципліни здобувач опанує основні технології інтелектуального аналізу даних -кластерний аналіз -классифікацію -пошук асоціативних правил

ТЕМА 1. Методи та технології Data Mining Визначення даніх, вибірка, залежна і незалежна змінна. ETL процес, стадії та етапи. Інструментарій ЕTL. Стадії Data Mining і дії, що виконуються в рамках цих стадій. Класифікації методів Data Mining. Порівняльна характеристика методів, заснована на їх властивості. Суть завдань Data Mining і їх класифікація. Поняття «інформація», «знання». ТЕМА 2. Засоби інтелектуального аналізу даних Архітектура СУБД Microsoft SQL Server та аналітичні служби, а також способи їх взаємодії із зовнішніми програмами. Перелік алгоритмів інтелектуального аналізу, що входять в SQL Server Analysis Service, відмінності між версіями СУБД. Послідовність етапів вирішення задачі інтелектуального аналізу даних. ТЕМА 3. Алгоритми інтелектуального аналізу даних Алгоритму взаємозв'язків і алгоритмів кластеризації послідовностей. Алгоритм Байєса, алгоритми дерев рішень і лінійної регресії. Алгоритми часових рядів. Алгоритм нейронних мереж та логістичної регресії. Особливості реалізації алгоритмів ІАД у SQL Server.

Система оцінювання рейтингова. Максимальна кількість балів 100. 80 балів лабораторні роботи + СРС. 20 балів - підсумковий тест.