Фрагмент для ознакомления
1
СОДЕРЖАНИЕ
СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 3
1. ПОСТАНОВКА ЗАДАЧИ 4
1.1 Описание организации как объекта управления 4
1.2 Характеристика данных организации 4
1.3 Обоснование применения технологий анализа данных 4
2. ТЕХНИЧЕСКОЕ ЗАДАНИЕ НА СОЗДАНИЕ ИАД-СИСТЕМЫ 4
2.1 Назначение и цель создания системы 4
2.2 Состав функциональных задач системы 5
2.3 Требования к системе 6
3. ПРОЕКТИРОВАНИЕ ПРОЦЕССА АНАЛИЗА ДАННЫХ 8
3.1 Описание процесса анализа данных 8
3.2 Функционально-структурная организация системы 8
4. РАЗРАБОТКА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ 11
4.1 Выбор инструментальных средств для управления данными 11
4.2 Разработка базы данных 11
4.3 Тестирование базы данных 12
5. РАЗРАБОТКА МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ 14
5.1 Математическая постановка задачи 14
5.2 Выбор математических методов 14
5.3 Разработка математической модели 15
6. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 16
6.1 Выбор инструментальных средств разработки 16
6.2 Структурная организация программного обеспечения 17
6.3 Описание программного обеспечения 18
7. АНАЛИЗ РЕЗУЛЬТАТОВ 22
ЗАКЛЮЧЕНИЕ 24
ПЕРЕЧЕНЬ ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 25
Фрагмент для ознакомления
2
Одним из действующих решений представляется использование информационных систем на языке Python, так как данные системы являются эффективными, удобными, и обладают рядом преимуществ - несложностью использования, сравнительной легкостью в изучении, простым синтаксисом.
Одним из важных преимуществ для создания систем обработки данных - это наличие библиотек с открытым исходным кодом для обработки, статистического анализа и визуализации данных.
Для решения задач обработки, визуализации и анализа данных как привычных повсеместно использующихся форматов (файлов Microsoft Excess, Excel и др.), так и нестандартных форматов набирают популярность следующие библиотеки языка программирования Python:
1) Pandas - высокоуровневая библиотека, позволяет анализировать и структурировать данные в виде таблиц, работает с данными в формате CSV, JSON, Excel. Результаты работы оформляются в табличной форме. Очень удобно, что Pandas позволяет работать с библиотекой NumPy для работы с массивами данных, они имеют похожую структуру. Данная библиотека - отличный инструмент для аналитики данных.
2) Matplotlib - библиотека для графического вывода данных, построения двумерных графиков. Так как визуализация данных пользуются большим спросом в управлении, данный инструмент представляет актуальное решение. При этом стоит отметить, что реализованные графики могут быть масштабированы с помощью встроенного в библиотеку инструментария для публикации в отчетах.
3) Seaborn – это библиотека визуализации статистических данных, которая использует библиотеку matplotlib. Так же она может использовать библиотеки Pandas и NumPy для обработки перед визуализацией данных.
4) SciPy - библиотека основана на расширении NumPy, но для сложных научных вычислений. Отличительная черта - высокая производительность работы, используется также для машинного обучения, прогнозирования моделей, анализа наиболее сложных данных.
2. ТЕХНИЧЕСКОЕ ЗАДАНИЕ НА СОЗДАНИЕ ИАД-СИСТЕМЫ
2.1 Назначение и цель создания системы
Информационно-аналитическая система (ИАС) разрабатывается с целью обеспечения вузов Новосибирской области актуальной и полезной информацией о потенциальных студентах и предложенных образовательных программах. Главными задачами системы являются:
Сбор и анализ данных: ИАС должна автоматизированно собирать и хранить информацию о предлагаемых образовательных программах, студентах и их предпочтениях, а также о факторах, влияющих на выбор образовательного учреждения.
Анализ и прогнозирование: На основе собранных данных система должна проводить анализ и выявлять закономерности, помогающие вузам принимать более обоснованные решения по разработке и продвижению образовательных программ.
Поддержка решений: ИАС должна предоставлять пользователям (администраторам вузов, маркетологам и другим заинтересованным лицам) удобные инструменты для работы с данными и принятия управленческих решений.
Цель создания информационно-аналитической системы состоит в повышении экспортного потенциала образовательных услуг вузов Новосибирской области путем улучшения информационной базы и аналитических возможностей. Разработка и внедрение ИАС позволит увеличить привлекательность вузов для иностранных студентов, улучшить качество образовательных программ и сделать более обоснованные стратегические решения в сфере образования.
Фрагмент для ознакомления
3
ПЕРЕЧЕНЬ ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
1. Демичев В. В., Нестратова А.А. Автоматизация статистического анализа факторов эффективности государственной поддержки сельского хозяйства с применением языка программирования Python // Электронный сетевой политематический журнал "Научные труды КубГТУ". 2020. № 6. С. 1- 10.
2. Ильичев В. Ю., Юрик Е. А Анализ массивов данных с использованием библиотеки pandas для python // Научное обозрение. № 4. 2020. C. 41 – 45.
3. Любанович Б. Простой Python. Современный стиль программирования. СПб.: Питер, 2019. 480 с.
4. Назаров, Д. М. Интеллектуальные системы: основы теории нечетких
множеств: учебное пособие для вузов / Д. М. Назаров, Л. К. Конышева. – 3-е
изд., испр. и доп. – Москва: Издательство Юрайт, 2020. – 186 с. – (Высшее
образование). – URL: https://urait.ru/bcode/453458.
5. Замятин, А. В. Интеллектуальный анализ данных: учебное пособие / А. В. Замятин. – Томск: Издательский Дом Томского государственного
университета, 2020. – 196 с. – ISBN 978-5-94621-898-6. – Текст: электронный.
- URL: https://znanium.com/catalog/product/1864765 (дата обращения:
06.03.2023). – Режим доступа: по подписке.
6. Гринберг, А. С. Современные языки программирования: учебное пособие для вузов / А. С. Гринберг, И. А. Король. – Москва: ЮНИТИ-ДАНА, 2017. – 415 c. – ISBN 5-238-00614-4. – Текст: электронный // Электронно-библиотечная система IPR BOOKS: [сайт]. – URL:
https://www.iprbookshop.ru/81776.html (дата обращения: 08.11.2021). – Режим доступа: для авторизир. пользователей.– ЭБС «IPRbooks» [Лицензия:
до 26.03.2022].
7. Гагарина, Л. Г. Разработка и эксплуатация автоматизированных
информационных систем [Электронный ресурс]: учебное пособие для СПО /
Л. Г. Гагарина. - Москва: ИД "ФОРУМ" : ИНФРА-М, 2018. – 384 с. –
http://znanium.com/catalog.php?bookinfo=942717. – ЭБС «ZNANIUM.COM».
8. Мартишин, С. А. Базы данных: Работа с распределенными базами данных и файловыми системами на примере MongoDB и HDFS с использованием Node.js, Express.js, Apache Spark и Scala: учебное пособие / С.А. Мартишин, В.Л. Симонов, М.В. Храпченко. – Москва: ИНФРА-М, 2020. – 235 с. + Доп. материалы [Электронный ресурс]. – (Высшее образование: Бакалавриат). – URL: https://znanium.com/catalog/product/1093646.
9. Парфенов, Ю. П. Постреляционные хранилища данных: учебное пособие для вузов / Ю. П. Парфенов. – Москва: Издательство Юрайт, 2020. – 121 с. – (Высшее образование). – URL: https://urait.ru/bcode/453758.
10. ГОСТ 2.105-95 Общие требования к текстовым документам;
11. ГОСТ 7.32-2017 Отчет о научно-исследовательской работе. Структура и правила оформления;
12. ГОСТ Р 7.0.5-2008 Библиографическая ссылка. Общие требования и правила составления;
13. ГОСТ Р 7.01.12-2011 Библиографическая запись. Сокращение слов и словосочетаний на русском языке;