Справка по использованию элемента «Поиск курсов»

Концептуальное моделирование предметных областей для решения задач над данными

Курс посвящён онтологическому и концептуальному моделированию предметных областей исследований над данными, обеспечивающим последовательную разработку решений задач в предметной области, семантическую интероперабельность данных и повторное использование данных, представлений, реализаций методов между разными исследованиями.

Онтологическое моделирование обеспечивает определение понятий предметной области, используемое для описания семантики объектов реального мира и информационных объектов. Формальные онтологические модели позволяют использовать логические представления для ограничения интерпретации понятий, организации семантического поиска семантически схожих объектов или объектов, релевантных определённым требованиям, проверки непротиворечивости онтологических определений, автоматизированного вывода.

Концептуальные схемы предметных областей предназначены для определения структур объектов предметной области и спецификации их возможного поведения. Декларативные подходы к их описанию позволяют определить абстрактные требования к объектам предметной области вне зависимости от их реализации. Концептуальные схемы используются для построения схем баз данных, описания интерфейсов, объектных и функциональных спецификаций, общедоступных услуг, сервисов данных. На их основе производится интеграция данных их неоднородных источников.

В результате анализа требований задач формируются и детализируются модели требований, строятся онтологии и концептуальные схемы, реализации методов, а также потоки работ над ними для решения задач. Жизненный цикл решения задач над данными определяет этапы работы с понятиями, концептуальными схемами предметных областей, интеграции неоднородных источников данных и реализаций методов, формирования потоков работ, выполнения решения задач и публикации результатов. Принципы обеспечения семантической интероперабельности и повторного использования данных определяют требования к описанию предметных областей, источников данных, используемых методов, потоков работ. Следование им позволяет избегать проблем неоднородности данных, использовать ранее полученные результаты, обеспечивать преемственность исследований, взаимодействие исследователей, междисциплинарное взаимодействие.


Преподаватель: Николай Скворцов

Извлечение и интеграция информации из больших данных (Брюхов Д.О.)

Часы: 36 Практикум: нет 0 часов
Преподаватель: Брюхов Д.О.
Описание
В настоящем курсе изучаются методы и инструменты извлечения (mining) и интеграции информации изразличных источников больших данных (в масштабе Веба, социальных сред (Twitter, Linkedin, …), блогов,публикаций в средствах массовой информации, машинных логов, сенсорных данных, и пр. Большие данныеобычно являются неструктурированными (чаще всего текстовыми), слабоструктурированными (например, ввиде XML, JSON, баз данных NoSQL). Вместе с тем, образуются также и структурированные большие данныекак, например, результат наблюдений (измерений) современными инструментами, накоплениямногочисленных таблиц в Вебе. Современные ИТ платформы включают распределенные инфраструктурытипа Hadoop, обеспечивающие параллельную обработку и анализ таких разноструктурированных большихданных на основе парадигмы Map/Reduce. Практическая часть предлагаемого курса ориентирована наподобную платформу на базе IBMBigInsights
Преподаватель: Дмитрий Брюхов