Файл: Практику (вид практики) Научноисследовательская работа (тип практики).docx

НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ ЧАСТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «МОСКОВСКИЙ ФИНАНСОВО-ПРОМЫШЛЕННЫЙ УНИВЕРСИТЕТ «СИНЕРГИЯ»
Институт Информационных технологий

^{(наименование факультета/ института)}
Направление подготовки /специальность: 09.04.03 Прикладная информатика

^{(код и наименование направления подготовки /специальности)}

Профиль/специализация: Управление информационными технологиями в организации.

^{(наименование профиля/специализации)}

Форма обучения: заочная_____________.

^{(очная, очно-заочная, заочная)}


ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ

НА ПРОИЗВОДСТВЕННУЮ ПРАКТИКУ

^{(вид практики)}

Научно-исследовательская работа

^{(тип практики)}

1 семестр

обучающегося группы ОМП-12211МОуит Евдокимова Владимира Юрьевича.

(Шифр и № группы) (ФИО обучающегося)
Место прохождения практики:

Общество с ограниченной ответственностью «БИОГАЛАКТИКА»

(наименование структурного подразделения Образовательной организации)
Срок прохождения практики: с «___» __________ 20__ г. по «__» _________20__ г.

Содержание индивидуального задания на практику:

№ п/п	Виды работ
1.	Инструктаж по соблюдению правил противопожарной безопасности, правил охраны труда, техники безопасности, санитарно-эпидемиологических правил и гигиенических нормативов.
2.	Выполнение исследования развития технологий в определенной области (интеллектуальные технологии), анализ результатов и подготовка выводов.
	Описание темы исследования очевидно, что интеллектуальные технологии раскрывают новые пути повышения качества услуг в условиях современного информационного общества. Так адаптивное представление обеспечивает индивидуальный подход, поддержка в решении задач и интеллектуальный анализ решений с интерактивной обработкой связью могут значительно сэкономить время, технологии подбора моделей могут усилить управленческие и коммуникативные аспекты. Интеллектуальный анализ данных является важным компонентом успешных аналитических инициатив в организациях. Генерируемая им информация может использоваться в приложениях бизнес-аналитики (BI) и расширенной аналитики, которые включают анализ исторических данных, а также в приложениях аналитики в реальном времени, которые изучают потоковые данные по мере их создания или сбора.
3.	Систематизация собранного нормативного и фактического материала.
4.	Оформление отчета о прохождении практики.
5.	Защита отчета по практике.

---

Разработано

руководителем практики от Университета ________________ ___________________________

(ФИО) (Подпись)
«___»______________ 20__г.


НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ ЧАСТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«МОСКОВСКИЙ ФИНАНСОВО-ПРОМЫШЛЕННЫЙ УНИВЕРСИТЕТ «СИНЕРГИЯ»
Институт Информационных технологий

^{(наименование факультета/ института)}
Направление подготовки /специальность: 09.04.03 Прикладная информатика

^{(код и наименование направления подготовки /специальности)}

Профиль/специализация: Управление информационными технологиями в организации

^{(наименование профиля/специализации)}

Форма обучения: заочная.

Отчет
ПО ПРОИЗВОДСТВЕННОЙ ПРАКТИКЕ

^{(вид практики)}

Научно-исследовательская работа

^{(тип практики)}
на тему: «Технологии интеллектуального анализа данных»

1 семестр

Обучающийся	Евдокимов Владимир Юрьевич
	(ФИО)		(подпись)

Москва 2023 г.

Содержание

Введение……………………………………………………………………………………………....5

Понятие интеллектуального анализа данных…………………………………………………..6

Технологии интеллектуального анализа данных……………………………………………….7

Заключение………………………………………………………………………………………….11

Список литературы…………………………………………………………………………………12

Введение

Практика пройдена на базе компании общество с ограниченной ответственностью «БИОГАЛАКТИКА», далее в сокращенной форме как ООО «БИОГАЛАКТИКА».
Тема практики: «Технологии интеллектуального анализ данных».
Цель практики – ознакомление с технологиями интеллектуального анализа данных.

---

Задачи практики:
- дать общую характеристику компании ООО «БИОГАЛАКТИКА»

- определить общее понимание технологии интеллектуального анализа данных

- дать общую характеристику по технологии интеллектуального анализа данных

- изучить технологии интеллектуального анализа данных

- заключение по технологиям интеллектуального анализа данных
ООО «БИОГАЛАКТИКА» была основана в 2022 году как передовая компания в области предоставления разно-профильных услуг и торговли в сфере оптово-розничного направления для компаний, организаций, юридических и физических лиц.
Данная компания характеризуется внедрением и применением передовых информационных технологий в области предоставления услуг и торговли для улучшения процессов как внутри компании. Что напрямую касается организационно-технологических процессов компании и комплексную обработку клиентов. С учетом накопления данных, наработок, информации, анализа и учета клиентской базы и расширения деятельности в области интернет-ресурсов в компании требовалось разработать и оптимизировать обработку данных, в том числе через технологии интеллектуального анализа.
В настоящее время тенденции бурного развития всех сфер общественной жизни как никогда заметны, особенно в технологической сфере. Это связанно с огромным ростом объемов информации, которые требуют развития технологий автоматизированной и интеллектуальной обработки данных, способов нахождения необходимой информации и выявления неявных закономерностей и связей в ретроспективных данных. Новые полученные знания необходимы для принятия качественных управленческих решений, чья важность также повышается из-за усложнения общественных отношений и систем. В связи с этим повышение надежности систем и их гибкости реагирования на неочевидные изменения в настоящее время крайне актуальны. Однако среди всего массива данных человек способен вычленить только небольшую часть новых и полезных данных. Поэтому активное использование метода интеллектуального анализа данных или Data Mining способно увеличить объем получаемых полезных знаний и выявления большего количества неявных закономерностей.

Целью данной работы является определить технологии интеллектуального анализа данных

В связи с поставленной целью решаются следующие задачи:

• 
  определить понятие интеллектуального анализа данных;
  
• 
  выявить и определить основные технологии.
  

---

Очевидно, что интеллектуальные технологии раскрывают новые пути повышения качества услуг в условиях современного информационного общества. Так адаптивное представление обеспечивает индивидуальный подход, поддержка в решении задач и интеллектуальный анализ решений с интерактивной обработкой связью могут значительно сэкономить время, технологии подбора моделей могут усилить управленческие и коммуникативные аспекты.

Понятие интеллектуального анализа данных

Интеллектуальный анализ данных — это процесс сортировки больших наборов данных для выявления закономерностей и взаимосвязей, которые могут помочь решить бизнес-задачи посредством анализа данных. Методы и инструменты интеллектуального анализа данных позволяют предприятиям прогнозировать будущие тенденции и принимать более обоснованные бизнес-решения.

Интеллектуальный анализ данных является ключевой частью анализа данных в целом и одной из основных дисциплин науки о данных, которая использует передовые методы аналитики для поиска полезной информации в наборах данных. На более детальном уровне интеллектуальный анализ данных — это шаг в процессе обнаружения знаний в базах данных (KDD), методологии науки о данных для сбора, обработки и анализа данных. Интеллектуальный анализ данных и KDD иногда называют взаимозаменяемыми, но чаще они рассматриваются как разные вещи.

Интеллектуальный анализ данных является важным компонентом успешных аналитических инициатив в организациях. Генерируемая им информация может использоваться в приложениях бизнес-аналитики (BI) и расширенной аналитики, которые включают анализ исторических данных, а также в приложениях аналитики в реальном времени, которые изучают потоковые данные по мере их создания или сбора.

Эффективный анализ данных помогает в различных аспектах планирования бизнес-стратегий и управления операциями. Это включает в себя функции взаимодействия с клиентами, такие как маркетинг, реклама, продажи и поддержка клиентов, а также производство, управление цепочками поставок, финансы и управление персоналом. Интеллектуальный анализ данных поддерживает обнаружение мошенничества, управление рисками, планирование кибербезопасности и многие другие важные бизнес-применения. Он также играет важную роль в здравоохранении, правительстве, научных исследованиях, математике, спорте и многом другом.

---

Технологии интеллектуального анализа данных

Интеллектуальный анализ данных относится к извлечению или извлечению знаний из больших объемов данных. Другими словами, интеллектуальный анализ данных — это наука, искусство и технология обнаружения больших и сложных объемов данных с целью выявления полезных закономерностей. Теоретики и практики постоянно ищут улучшенные методы, чтобы сделать процесс более эффективным, экономичным и точным. Многие другие термины имеют аналогичное или несколько иное значение для интеллектуального анализа данных, например, извлечение знаний из данных, извлечение знаний, углубление данных анализа данных / шаблонов.

Интеллектуальный анализ данных рассматривается как синоним другого широко используемого термина, извлечения знаний из данных или KDD. Другие рассматривают интеллектуальный анализ данных как просто важный шаг в процессе обнаружения знаний, в котором применяются интеллектуальные методы для извлечения шаблонов данных.

Грегори Пиатецкий-Шапиро ввел термин «обнаружение знаний в базах данных» в 1989 году. Однако термин «интеллектуальный анализ данных» стал более популярным в деловых кругах и прессе. В настоящее время интеллектуальный анализ данных и обнаружение знаний взаимозаменяемы.

В настоящее время интеллектуальный анализ данных используется практически во всех местах, где хранится и обрабатывается большой объем данных.

Обнаружение знаний из данных состоит из следующих шагов:

• 
  Очистка данных (удаление шума или ненужных данных).
  
• 
  Интеграция данных (где несколько источников данных могут быть объединены).
  
• 
  Выбор данных (где данные, относящиеся к задаче анализа, извлекаются из базы данных).
  
• 
  Преобразование данных (где данные преобразуются или объединяются в формы, подходящие для интеллектуального анализа данных, путем выполнения функций суммирования или агрегирования, например).
  
• 
  Интеллектуальный анализ данных (важный процесс, в котором применяются интеллектуальные методы для извлечения шаблонов данных).
  
• 
  Оценка шаблонов (для выявления увлекательных шаблонов, представляющих знания, на основе некоторых показателей интереса).
  
• 
  Презентация знаний (где методы представления и визуализации знаний используются для представления добытых знаний пользователю).
  

Интеллектуальный анализ данных включает в себя множество методов из других предметных областей, таких как машинное обучение

---