Материалы представленные на сайте исключительно с целью ознакомления пользователям Интернета и не преследуют коммерческих целей или нарушение авторских прав.
© 2018 - 2024
1.2.4.1. Студент повинен врахувати сформульовані науковим керівником конкретні зауваження. Залежно від характеру та змісту зауважень він виправляє юридичні, стилістичні та орфографічні помилки, доповнює курсову роботу новими положеннями, уточнює чи змінює свою позицію щодо спірних проблем тощо. Після цього за погодженням з керівником студент може передати йому для ознайомлення другий (повторний) варіант своєї курсової роботи або лише тих її частин (фрагментів), до яких були зроблені найбільш істотні зауваження.
1.2.4.2. Результатом цієї роботи має бути остаточний варіант курсової роботи, погоджений з керівником і оформлений відповідно до встановлених вимог. Разом з відгуком керівника він подається на кафедру і реєструється в журналі.
ЗАХИСТ КУРСОВОЇ РОБОТИ
1.3.1. Захист курсової роботи відбувається до початку заліково-екзаменаційної сесії на кафедрі в присутності комісії, студентів групи, наукового керівника і проходить за процедурою, яка передбачає:
- виступ студента (до 5–7 хвилин), у якому доповідаються основні здобутки курсової роботи та вказуються труднощі чи проблеми, з якими зіткнувся студент під час написання курсової роботи;
- відповіді на запитання наукового керівника або рецензента та присутніх;
- виступ рецензента;
- оцінку курсової роботи з урахуванням процедури її захисту.
Відповіді студента мають бути конкретними, змістовними, лаконічними та науково обґрунтованими.
1.3.2. Результати захисту курсової роботи оцінюються за модульно-рейтинговою системою, визначеною робочою навчальною програмою дисципліни. Оцінка заноситься до залікової книжки студента.
Студенти, які не виконали або не захистили курсову роботу, не допускаються до семестрового контролю.
1.3.3. Наслідки захисту студентами курсових робіт щорічно заслуховуються на засіданні кафедри.
Курсові роботи зберігаються на кафедрі протягом одного року, потім списуються в установленому порядку. Роботи, що мають наукову і практичну цінність, рекомендуються кафедрою для написання студентом дипломної роботи з даної теми.
ТЕМИ КУРСОВОЇ РОБОТИ
| Тема | Склад аналітики | Методи | Дані | |
| 1 | Порівняльні дослідження методів класифікації об'єктів в середовищі WEKA (Наївний байесовский класифікатор, К-найближчих сусідів, Дерево рішень J48, ледачий байесовский класифікатор правил) | 1. Здійсніть попередню обробку даних 2. Навчити алгоритми (можна скористатися методом ансамблей) 3. Скористатися побудованої моделлю для віднесення спостережень до побудованих класів 4. Здійснити візуалізацію даних 5. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | Bayes \ NaiveBayes Trees \ J48 Lazy \ Ibk Lazy \ LBR | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 2 | Порівняльні дослідження методів класифікації об'єктів в середовищі WEKA (Баєсова мережа, дерево рішень J48,1R класифікатор, багатошаровий персептрон) | 1. Здійсніть попередню обробку даних 2. Навчити алгоритми (можна скористатися методом ансамблей) 3. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 4. Здійснити візуалізацію даних 5. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | bayes \ BayesNet tree \ Id3 rules \ 1R function \ MultilayerPerceptron | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 3 | Порівняльні дослідження методів класифікації об'єктів в середовищі WEKA (Метод опорних векторів, Багатоваріантний метод класифікації. Алгоритм найближчого сусіда з застосуванням узагальненої функції оцінки відстані, метод отримання правила з модельних дерев збудованих з використанням M5) | 1. Здійсніть попередню обробку даних 2. Навчити алгоритми (можна скористатися методом ансамблей) 3. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 4. Здійснити візуалізацію даних 5. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | Functions \ LibSVM MI \ CitationKNN Lazy \ KStar Tree \ M5Rules | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 4 | Порівняльні дослідження методів кластеризації об'єктів в середовищі WEKA (CLOPE, EM, Cobweb) | 1.Описание використовуваних алгоритмів 2. Здійснити попередню обробку даних 3. Навчити алгоритми (можна скористатися методом ансамблей) 4. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 5. Здійснити візуалізацію даних і отриманих результатів 6. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | clusters \ CLOPE clusters \ EM clusters \ Cobweb | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 5 | Порівняльні дослідження методів кластеризації об'єктів в середовищі WEKA (EM, EM, HierarchicalClusterer) | 1.Описание використовуваних алгоритмів 2. Здійснити попередню обробку даних 3. Навчити алгоритми (можна скористатися методом ансамблей) 4. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 5. Здійснити візуалізацію даних і отриманих результатів 6. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | clusters \ EM clusters \ EM clusters \ HierarchicalClusterer | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 6 | Порівняльні дослідження методів кластеризації об'єктів в середовищі WEKA (MakeDensityBasedClusterer, OPTICS, SimpleKMeans) | 1.Описание використовуваних алгоритмів 2. Здійснити попередню обробку даних 3. Навчити алгоритми (можна скористатися методом ансамблей) 4. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 5. Здійснити візуалізацію даних і отриманих результатів 6. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | clusters \ MakeDensityBasedClusterer clusters \ OPTICS clusters \ SimpleKMeans | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 7 | Порівняльні дослідження методів кластеризації об'єктів в середовищі WEKA (Cobweb, OPTICS, EM) | 1.Описание використовуваних алгоритмів 2. Здійснити попередню обробку даних 3. Навчити алгоритми (можна скористатися методом ансамблей) 4. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 5. Здійснити візуалізацію даних і отриманих результатів 6. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | clusters \ Cobweb clusters \ OPTICS clusters \ EM | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 8 | Порівняльні дослідження методів кластеризації об'єктів в середовищі WEKA (EM, OPTICS, FartestFirst) | 1.Описание використовуваних алгоритмів 2. Здійснити попередню обробку даних 3. Навчити алгоритми (можна скористатися методом ансамблей) 4. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 5. Здійснити візуалізацію даних і отриманих результатів 6. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | clusters \ EM clusters \ OPTICS clusters \ FartestFirst | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 9 | Порівняльне дослідження впливу різних параметрів алгоритму Apriori на результати пошуку асоціативних правил | 1. Здійсніть попередню обробку даних 2. Навчити алгоритм Apriori 3. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 4. Здійснити візуалізацію даних 5. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | Associations \ apriori | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
| 10 | Порівняльні дослідження методів класифікації об'єктів в середовищі WEKA (ZeroR, RBFNetwork, LibSVM, MultilayerPerceptron) | 1. Здійсніть попередню обробку даних 2. Навчити алгоритми (можна скористатися методом ансамблей) 3. Скористатися побудованою моделлю для віднесення спостережень до побудованих класів 4. Здійснити візуалізацію даних 5. Описати і інтерпретувати отримані результати Примітка: в роботі повинно бути математичний опис кожного методу | rules \ ZeroR functions \ RBFNetwork functions \ LibSVM functions \ MultilayerPerceptron | data / iris.aff + 2 файли з директорії Weka \ data за самостійним вибором |
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ
1. Вимоги до оформлення дисертацій та авторефератів дисертацій // Бюлетень ВАК України. – 2011. – № 9-10. – С. 2–10.
2. ДСТУ 3008–95. Документація. Звіти у сфері науки і техніки. Структура і правила оформлення. – К.: Держстандарт України, 1995. – 36 с.
3. ДСТУ ГОСТ 7.1:2006. Бібліографічний запис. Бібліографічний опис. Загальні вимоги та правила складання. – К.: Держспоживстандарт України, 2007. – 47 с.
4. Кулик М.С., Полухін А.В. Положення про дипломні роботи (проекти) випускників Національного авіаційного університету. – К.: Видавництво НАУ, 2009. – 72 с.
5. Матвійчук В.К., Хар І.О. Цивільне право України. Загальна частина. Практикум: Навч. посіб. – К.: КНТ, 2006. – 736 с.
6. Шейко В.М., Кушнаренко Н.М. Організація та методика науково-дослідницької діяльності : підручник / В.М. Шейко, Н.М. Кушнаренко . – 6-те вид., переробл. і доповн. – К. : Знання, 2008. – 310 с.
Дата: 2019-02-02, просмотров: 441.