Код: 316159

Назва:

Методи та засоби обробки інформації

Анотація: Курс присвячений методам та засобам обробки інформації, як поступає до нас через певні проміжки часу, тобто аналізу, моделюванню та прогнозування часових рядів. У курсі ви дізнаєтесь, як влаштовано світ сьогодні (моделювання) і що буде завтра (прогнозування). Розглядаються методи виділення тренду та періодичної складової, побудова авто кореляційної (АКФ) та часткової авто кореляційної (ЧАКФ) функції, моделювання часових рядів за допомогою АРІМА - моделей. Також розглядається теорія прогнозування стаціонарних часових рядів за умови відомої АКФ (або спектральної щільності) і в умовах спектральної невизначеності. У якості засобів обробки інформації розглядаються електронні таблиці, статистичні пакети та мова програмування Python.

Тип дисципліни: вибіркова (професійно-орієнтована)

Рік навчання: 4

Семестр: 8

Кількість кредитів: 4

Форма контролю: залік

Викладач(і): доц., к.н. Щестюк Н.Ю.

Результати навчання: Демонструвати знання й розуміння основних концепцій, принципів, теорій прикладної математики і використовувати їх на практиці. Володіти методиками вибору раціональних методів та алгоритмів розв'язання математичних задач оптимізації, дослідження операцій, оптимального керування і прийняття рішень, аналізу даних. Вміти застосовувати сучасні технології програмування та розроблення програмного забезпечення, програмної реалізації чисельних і символьних алгоритмів. Розв'язувати окремі інженерні задачі та/або задачі, що виникають принаймні в одній предметній галузі: в соціології, економіці, екології та медицині. Виявляти здатність до самонавчання та продовження професійного розвитку. Уміти організувати власну діяльність та одержувати результат у рамках обмеженого часу. Демонструвати навички професійного спілкування, включаючи усну та письмову комунікацію українською мовою та принаймні однією з офіційних мов ЄС.

Спосіб навчання: дистанційний (аудиторний)

Зміст дисципліни: Предмет, мета та задачі курсу. Задачі аналізу часових рядів. Часові ряди та стаціонарні послідовності. Кореляційний аналіз. Теорема Герглотца про спектральне представлення кореляційної функції. Спектральний (Фур'є) аналіз часових рядів. Білий шум та модель зсувного середнього MA (q). Модель авторегресії AR(q). Моделі APMA та APIMA. Прогнозування для APIMA моделей. Прогнозування у лінійних моделях. Найкраща лінійна оцінка (BLP). Прогнозування в умовах невизначеності. Ігровий підхід. Прогнозування за допомогою нейронних мереж. Метод LSTM.


Рекомендована література: 1. Айвазян С.А., Енюков И.С.,Мешкалин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное издание под ред. Айвазяна С.А.- М: Финансы и статистика, 1983. - 471 с.
2. Гихман И.И., Скороход А.В. Теория случайных процессов, т.1.- К.: Вища школа, 1988. - 438 с.
3. Ширяев А.Н. Вероятность - М.: Наука, 1989. - 640 с.
4.C.Chatfield_Analisys of Time Series. Introduction.
5. Щестюк Н.Ю. Оцінки функціоналів від випадкових однорідних полів в умовах невизначеності. - К: 2006.

Форми та методи навчання: лекції, практичні заняття, індивідуальні завдання, обговорення наукових проблем

Методи й критерії оцінювання: рейтингова система оцінювання за 100-бальною шкалою: робота в семестрі (індивідуальні завдання, тести) - 70%; залік - 30%.

Мова навчання: українська