РОСЖЕЛДОР

Федеральное государственное бюджетное

образовательное учреждение высшего образования

"Ростовский государственный университет путей сообщения"

(ФГБОУ ВО РГУПС)

  УТВЕРЖДАЮ
Проректор по учебной работе - начальник учебно-методического управления М.А. Кравченко

30.06.2019 г.
"Для размещения в ЭИОС настоящая РПД подписана
с использованием простой электронной подписи"

Кафедра "Вычислительная техника и автоматизированные системы управления"

РАБОЧАЯ ПРОГРАММА

ДИСЦИПЛИНЫ

1Б.Ф.ДВ "Информационные хранилища"

по Учебному плану

бакалавриата по направлению подготовки

09.03.01 Информатика и вычислительная техника

Профильная направленность

Вычислительные машины, комплексы, системы и сети

Квалификация выпускника "Бакалавр", ФГОС ВО 3++

Ростов-на-Дону

2019 г.

 



 






Автор-составитель д.п.н., проф. Соколова Ольга Ивановна предлагает настоящую Рабочую программу дисциплины 1Б.Ф.ДВ "Информационные хранилища" в качестве материала для проектирования Образовательной программы РГУПС и осуществления учебно-воспитательного процесса по федеральному государственному образовательному стандарту высшего образования.

Рабочая программа дисциплины рассмотрена на кафедре "Вычислительная техника и автоматизированные системы управления".





Экспертизу Рабочей программы дисциплины провел(а):

к.т.н., доц. Рыбалко И. П., доцент. каф. "ПОВТ и АС", ДГТУ.





Рекомендуемое имя и тип файла документа:
1БФДВ_Информационные х_Б_09.03.01_во_6_ВТиАСУ_п41487_и46338.doc


Наименование, цель и задача дисциплины

Дисциплина "Информационные хранилища".

Учебный план по Образовательной программе утвержден на заседании Ученого совета университета от 29.03.2019 № 10.

Целью дисциплины "Информационные хранилища" является подготовка в составе других дисциплин блока "Блок 1 - Дисциплины (модули)" Образовательной программы в соответствии с требованиями, установленными федеральным государственным образовательным стандартом высшего образования для формирования у выпускника общепрофессиональных компетенций, способствующих решению профессиональных задач в соответствии с типом задач профессиональной деятельности, предусмотренным учебным планом и профильной направленностью "Вычислительные машины, комплексы, системы и сети".

Для достижения цели поставлены задачи ведения дисциплины:

подготовка обучающегося по разработанной в университете Образовательной программе к успешной аттестации планируемых результатов освоения дисциплины;

подготовка обучающегося к освоению дисциплин "Программное обеспечение отечественного производства", "Системы искусственного интеллекта";

развитие социально-воспитательного компонента учебного процесса.


Перечень планируемых результатов обучения по дисциплине, соотнесенных с планируемыми результатами освоения Образовательной программы

Планируемые результаты обучения по дисциплине Установленные ОП компетенции и индикаторы их достижения
ОПК-3 - Способен решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности

Знает: основные положения о системах хранения данных, особенностях хранилищ данных и их назначении;

Умеет: решать стандартные задачи профессиональной деятельности в области хранилищ данных на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий

Имеет навыки: навыками подготовки обзоров, аннотаций, составления рефератов,научных докладов, публикаций и библиографии по информационным хранилищам

Индикатор:
ОПК-3.3 - Владеть: навыками подготовки обзоров, аннотаций, составления рефератов,научных докладов, публикаций и библиографии по научно-исследовательской работе с учетом требований информационной безопасности
ОПК-9 - Способен осваивать методики использования программных средств для решения практических задач

Знает: - принципы построения, проектирования и разработки хранилищ данных и систем бизнес-анализа; - технологии интеллектуального анализа; - программные средства и возможности их применения для решения практических задач в области хранилищ данных.

Умеет: - проектировать и разрабатывать хранилища данных, выполнять запросы к хранилищам данных;

Имеет навыки: - построения и разработки хранилищ данных. - применения языка многомерных запросов к хранилищам данным.

Индикатор:
ОПК-9.1 - Знать: классификацию программных средств и возможности их применения для решения практических задач

Знает: - базовые понятия информационно-аналитических систем; - основы оперативной аналитической обработки данных и хранилищ данных; - технические аспекты многомерного хранения данных;

Умеет: находить и анализировать техническую документацию по использованию программного средства, выбирать и использовать необходимые функции программных средств для проектирования и разработки информационных хранилищ данных

Имеет навыки: - применения методов оперативного и интеллектуального анализа к хранилищам данным. - разработки и настройки хранилищ с использованием современных программных продуктов для создания аналитических решений.

Индикатор:
ОПК-9.2 - Уметь: находить и анализировать техническую документацию по использованию программного средства, выбирать и использовать необходимые функции программных средств для решения конкретной задачи

Знает: - классификацию программных продуктов для создания аналитических решений; - язык многомерных запросов; - основы интеллектуального анализа данных.

Умеет: - разрабатывать хранилища данных, выполнять оперативный анализ и применять методы интеллектуального анализа. - проектировать базовые и прикладные информационные технологии. - обосновывать принимаемые проектные решения, осуществлять постановку и выполнять эксперименты по проверке их корректности и эффективности

Имеет навыки: - способами описания методики использования программного средства для разработки информационных хранилищ, презентации или видеоролика; - применения методов оперативного и интеллектуального анализа к хранилищам данным. - разработки и настройки хранилищ с использованием современных программных продуктов для создания аналитических решений.

Индикатор:
ОПК-9.3 - Владеть: способами описания методики использования программного средства для решения конкретной задачи в виде документа, презентации или видеоролика

Место дисциплины 1Б.Ф.ДВ "Информационные хранилища" в структуре Образовательной программы

Дисциплина отнесена к Блоку 1Б Образовательной программы. Дисциплина входит в состав элективной части, формируемой участниками образовательных отношений (Ф.ДВ).

Требования к входным знаниям, умениям и компетенциям обучающегося, необходимым для изучения данной дисциплины, соответствуют требованиям по результатам освоения предшествующих дисциплин : "Базы данных", "Информатика и программирование".

Нормативный срок освоения Образовательной программы по очной форме обучения – 4 года. Наименование формы и срока обучения из базы данных РГУПС (вид обучения): 4 года очное бакалавриат.

Обозначение-аббревиатура учебных групп, для которых данная дисциплина актуальна: АВБ.

Дисциплина реализуется в 6 семестре.

Объем дисциплины в зачетных единицах с указанием количества академических часов, выделенных на контактную работу обучающихся с преподавателем (по видам учебных занятий) и на самостоятельную работу обучающихся

Вид обучения: 4 года очное бакалавриат

Общая трудоемкость данной дисциплины 4 зачетные единицы (144 часа), в том числе контактная работа обучающегося с преподавателем (КРОП) 48 часов.

Виды учебной работы Всего часов КРОП, часов Число часов в семестре
6
Аудиторные занятия всего и в т.ч. 48 48 48
Лекции (Лек) 24 24 24
Лабораторные работы (Лаб) 24 24 24
Практические, семинары (Пр)      
       
Самостоятельная работа (СРС), всего и в т.ч. 87   87
Контрольная работа (К)      
Реферат (Р)      
Расчетно-графическая работа (РГР)      
Курсовая работа (КР)      
Курсовой проект (КП)      
Самоподготовка 87   87
Контроль, всего и в т.ч. 9   9
Экзамен (Экз)      
Зачет (За) 9   9
Общая трудоемкость, часы 144 48 144
Зачетные единицы (ЗЕТ) 4   4

Содержание дисциплины, структурированное по темам (разделам) с указанием отведенного на них количества академических часов и видов учебных занятий

Содержание дисциплины

Семестр № 6

1. Базовые понятия информационно-аналитические систем. (Компетенция/и ОПК-3, ОПК-9)

1.1. Базовые понятия информационно-аналитических систем: 1) Роль и место анализа в процессе принятия решения. 2) Аспекты проблемы анализа и их реализация в программных продуктах. 3). Концепции построения и реализации информационных систем, ориентированных на анализ данных. 4) Понятие и структура информационного пространства. 5). Виды и задачи анализа на предприятии. 6). Классификация методов анализа. 7). Источники данных для проведения анализа.

1.2. Основы создания и применения информационно-аналитических систем: 1). Инструментальные средства автоматизации аналитической работы и планирования; 2). Классификация. 3). Аналитические инструментальные средства пакетов прикладных программ широкого применения. 4). Специализированные информационно-аналитические системы. 5). Информационно-аналитические системы на транспорте.

2. Введение в основы OLAP. Концепция информационных хранилищ данных. (Компетенция/и ОПК-3, ОПК-9)

2.1. Оперативная аналитическая обработка данных и хранилища данных: 1). Базовая терминология анализа данных. 2). Понятие хранилища данных. Предпосылки появления ХД. 3). Понятие и модель данных OLAP. 4). Понятие и архитектура системы поддержки принятия решений. 5). Архитектура OLAP-систем. 6). Физические и виртуальные хранилища данных, витрины данных. 7). Информационные потоки в ХД.

2.2. Технические аспекты многомерного хранения данных: 1). Многомерное представление данных и многомерный куб. 2). OLAP-куб, меры куба, операции, выполняемые над гиперкубом. 3). Таблица фактов и таблицы измерений; 4). Многомерные, реляционные и гибридные системы OLAP. 5). Схемы представления многомерных данных. 6). Проектирование и реализация многомерных баз данных. 7). Выбор используемых источников данных. 8). Организация процесса извлечения данных. 9). Слияние данных из разнородных хранилищ данных, преобразование структур данных, заполнение хранилищ данных, очистка и стандартизация данных.

2.3. Классификация программных продуктов для создания аналитических решений: 1). Характеристики аналитических платформ. 2). Клиентские OLAP-средства. 3). Серверные OLAP-средства: Oracle Business Intellegence и Microsoft SQL Server Analysis Services. 4). Многомерный анализ данных при помощи службы SSAS. 5). Интеграция с Microsoft Office System. 6). Инструменты управления службой SSAS. 7). Планирование и архитектура SSAS. 8). Архитектура программирования SSAS.

2.4. Облачные хранилища и технологии: 1) Облачные технологии: основные определения; 2) Структура облачных технологий; 3) Сервис-предоставляющие технологии: "Инфраструктура как сервис" (IaaS), "Платформа как сервис" (PaaS), "Программное обеспечение как сервис" (SaaS). 4) Обзор типов развёртывания облачных систем: частное облако, публичное облако, смешанное (гибридное) облако. Достоинства облачных вычислений. Недостатки и проблемы облачных вычислений. 5) Обзор облачных сервисов Microsoft, Google и другие. 6) Веб-службы в «облаке» и технологии. Обзор зарубежных и отечественных веб-облачных служб.

3. Язык многомерных запросов MDX. (Компетенция/и ОПК-3, ОПК-9)

3.1. Основы создания запросов на языке MDX: 1). Фундаментальные концепции. 2). Элементы. Ячейки. Кортежи. Наборы. 3). Запрос MDX.

3.2. Сложные вычисляемые запросы MDX: 1). Вычисляемые элементы. 2). Выражения MDX. 3). Операторы. 4). Функции MDX. Категории функций MDX.

4. Интеллектуальный анализ данных. (Компетенция/и ОПК-3, ОПК-9)

4.1. Основы интеллектуального анализа данных Data Mining: 1). Интеллектуальный анализ данных. 2). Стадии и методы АИД, типы закономерностей. 3). Обнаружение знаний в хранилищах данных. 4) Задачи Data Mining: классификации, кластеризации, прогнозирования и визуализации.

4.2. Сферы применения Data Mining: 1). Применение Data Mining для решения бизнес-задач. 2). Применение Data Mining для решения научных задач 3) Web Mining, Text Mining и Call Mining.

4.3. Методы Data Mining: 1). Деревья решений. 2). Метод опорных векторов. Метод "ближайшего соседа". Байесовская классификация. 3). Нейронные сети. 4). Иерархические методы.


Отведенное количество часов по видам учебных занятий и работы

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Трудоемкость в часах по видам занятий
Лекции Практические занятия, семинары Лабораторные работы Самоподготовка
1 8   4 20
2 8   4 20
3 4   8 20
4 4   8 27
Итого 24   24 87
В т.ч. по интерактивным формам 24   24  

Лабораторный практикум

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Наименование лабораторных работ Трудоемкость аудиторной работы, часы
Семестр № 6
1 Базовые навыки работы в Microsoft SQL Server Management Studio и в Microsoft SQL Server Business Intelligence Development Studio 4
2 Построение структуры хранилища, обеспечивающего многомерный анализ данных 2
Установка соединения с сервером Microsoft SQL Server и принципы создания баз данных 2
3 Создание проекта служб Microsoft SQL Server Analysis Services. Определение источника данных. Определение измерений, иерархий, мер куба 2
Определение и развертывание куба в Microsoft SQL Server Business Intelligence Development Studio. Конструктор кубов 2
Определение вычислений в OLAP-кубе. Конструктор запросов. Извлечение информации из хранилища данных. Создание OLAP-отчетов 2
Изучение и применение языка многомерных запросов MDX для выполнения анализа в хранилищах данных 2
4 Microsoft Excel и OLAP-анализ. Использование инструмента сводных таблиц. 8

Практические занятия (семинары)

Не предусмотрено.


Самостоятельное изучение учебного материала (самоподготовка)

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Наименование тем, вопросов, вынесенных для самостоятельного изучения Трудоемкость внеаудиторной работы, часы
Семестр № 6
1 Инструментальные средства автоматизации аналитической работы и планирования. 4
Программные инструментальные средства информационно-аналитических систем 8
Информационно-аналитические системы на транспорте. 8
2 Основы хранилищ данных. Многомерный анализ данных и многомерные модели данных. 6
Оперативный анализ данных 4
Облачные хранилища и технологии 10
3 Основные концепции языка доступа к многомерным данным и его расширенные возможности 20
4 Интеллектуальный анализ данных и управление процессами. Особенности использования и сферы применения интеллектуального анализа данных. 27

Фонд оценочных средств для проведения промежуточной аттестации обучающихся по дисциплине

Перечень компетенций с указанием этапов их формирования в процессе освоения Образовательной программы

Компетенция Указание (+) этапа формирования в процессе освоения ОП (семестр)
6
ОПК-3 +
ОПК-9 +

Описание показателей и критериев оценивания компетенций на различных этапах их формирования

Компе-
тенция
Этап
формирования
ОП (семестр)
Показатель оценивания Критерий оценивания
ОПК-3 6 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Процент верных на тестировании - правильность выполнения заданий.
Выполненная лабораторная работа - правильность выполнения заданий.
ОПК-9 6 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Процент верных на тестировании - правильность выполнения заданий.
Выполненная лабораторная работа - правильность выполнения заданий.

Описание шкал оценивания компетенций

Значение оценки Уровень освоения компетенции Шкала оценивания (для аттестационной ведомости, зачетной книжки, документа об образования) Шкала оценивания (процент верных при проведении тестирования)
Балльная оценка - "удовлетворительно". Пороговый Оценка «удовлетворительно» выставляется обучающемуся, который имеет знания только основного материала, но не усвоил его деталей, допускает неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 59%
Балльная оценка - "хорошо". Базовый Оценка «хорошо» выставляется обучающемуся, твердо знающему программный материал, грамотно и по существу его излагающему, который не допускает существенных неточностей в ответе, правильно применяет теоретические положения при решении практических работ и задач, владеет необходимыми навыками и приемами их выполнения. От 60% до 84%
Балльная оценка - "отлично". Высокий Оценка «отлично» выставляется обучающемуся, глубоко и прочно усвоившему программный материал, исчерпывающе, последовательно, грамотно и логически стройно его излагающему, в ответе которого тесно увязываются теория с практикой. При этом обучающийся не затрудняется с ответом при видоизменении задания, показывает знакомство с литературой, правильно обосновывает ответ, владеет разносторонними навыками и приемами практического выполнения практических работ. От 85% до 100%
Дуальная оценка - "зачтено". Пороговый, Базовый, Высокий Оценка «зачтено» выставляется обучающемуся, который имеет знания, умения и навыки, не ниже знания только основного материала, может не освоить его детали, допускать неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 100%
Балльная оценка - "неудовлетворительно", Дуальная оценка - "не зачтено". Не достигнут Оценка «неудовлетворительно, не зачтено» выставляется обучающемуся, который не знает значительной части программного материала, допускает ошибки, неуверенно выполняет или не выполняет практические работы. От 0% до 39%

Типовые контрольные задания или иные материалы, необходимые для оценки знаний, умений, навыков, характеризующих этапы формирования компетенций в процессе освоения образовательной программы

Типовые контрольные задания

Курсовые проекты (работы)

Не предусмотрено.


Контрольные работы, расчетно-графические работы, рефераты

базовые понятия информационно-аналитических систем. Роль и место анализа в процессе принятия решения;

аспекты проблемы анализа и их реализация в программных продуктах;

основы информационного пространства. Понятие и структура информационного пространства;

анализ информации на предприятии. Виды и задачи анализа на предприятии. Единое информационное пространство предприятия;

введение в основы оперативной аналитической обработки данных OLAP: Концепции и технологии. Базовая терминология анализа данных. Понятие и модель данных OLAP. Понятие и архитектура OLAP-систем;

понятие хранилища данных. Предпосылки появления ХД. Основные требования к ХД. Задачи, решаемые ХД;

физические и виртуальные хранилища данных. Проблематика построения хранилищ данных;

структура OLAP-куба. Иерархия измерений OLAP-кубов. Меры куба. Операции, выполняемые над гиперкубом. Таблица фактов. Таблицы измерений. Технические аспекты многомерного хранения данных. Архитектуры ХД;

схемы представления многомерных данных. Классификация программных продуктов для создания аналитических решений. Характеристики аналитических платформ;

клиентские OLAP-средства. Серверные OLAP-средства;

многомерный анализ данных при помощи службы Sql Server Analysis Services;

архитектура программирования SSAS. Объекты AMO. Язык ASSL. Поставщик данных ADOMD.NET;

информационный обмен и консолидация информации. Выбор используемых источников данных. Организация процесса извлечения данных. Проектирование и реализация многомерных баз данных;

слияние данных из разнородных хранилищ данных. Преобразование структур данных. Заполнение хранилищ данных и витрин данных. Очистка и стандартизация данных. Организация процесса загрузки в ХД;

основы создания запросов на языке MDX. Фундаментальные концепции. Запросы MDX. Основы интеллектуального анализа данных Data Mining;

задачи классификации в Data Mining. Процесс классификации. Методы классификации;

задача кластеризации в Data Mining. Применение кластерного анализа. Применение кластерного анализа в маркетинговых исследованиях;

задача прогнозирования в Data Mining. Прогнозирование и временные ряды. Методы прогнозирования;

задача визуализации в Data Mining. Методы визуализации. Применение Data Mining для решения бизнес-задач в банковском деле;

применение Data Mining для решения бизнес-задач в страховании. Применение Data Mining для решения бизнес-задач в телекоммуникаций;

применение Data Mining для решения бизнес-задач в электронной коммерции. Применение Data Mining в промышленном производстве. Применение Data Mining в маркетинге. Применение Data Mining в розничной торговле;

применение Data Mining для решения научных задач в биоинформатике. Применение Data Mining для решения научных задач в медицине Применение Data Mining для решения научных задач в химии Применение Data Mining для решения научных задач в молекулярной генетике и генной инженерии;

web Mining, Text Mining, Call Mining. Методы Data Mining. Деревья решений. Алгоритмы. Метод Data Mining опорных векторов. Метод "ближайшего соседа". Байесовская классификация;

нейронные сети в Data Mining. Иерархические методы Data Mining. Инструментальные средства автоматизации аналитической работы и планирования;

программные инструментальные средства ИАС. Информационно-аналитические системы на транспорте;

аналитические инструментальные средства пакетов прикладных программ широкого применения. Специализированные информационно-аналитические системы.


Перечни сопоставленных с ожидаемыми результатами освоения дисциплины вопросов (задач):

Зачет. Семестр № 6

Вопросы для оценки результата освоения "Знать":

1) Базовые понятия информационно-аналитических систем. Роль и место анализа в процессе принятия решения.
2) Аспекты проблемы анализа и их реализация в программных продуктах.
3) Основы информационного пространства. Понятие и структура информационного пространства. Анализ информации на предприятии. Виды и задачи анализа на предприятии. Единое информационное пространство предприятия.
4) Введение в основы оперативной аналитической обработки данных OLAP: концепции и технологии. Базовая терминология анализа данных.
5) Понятие и модель данных OLAP. Понятие и архитектура OLAP-систем.
6) Понятие хранилища данных. Предпосылки появления ХД.
7) Основные требования к ХД. Задачи, решаемые ХД. Физические и виртуальные хранилища данных. Проблематика построения хранилищ данных.
8) Структура OLAP-куба. Иерархия измерений OLAP-кубов. Меры куба. Операции, выполняемые над гиперкубом. Таблица фактов. Таблицы измерений.
9) Технические аспекты многомерного хранения данных. Архитектуры ХД.
10) Схемы представления многомерных данных.
11) Клиентские OLAP-средства. Серверные OLAP-средства.
12) Многомерный анализ данных при помощи службы SQL Server Analysis Services.
13) Архитектура программирования SSAS. Объекты AMO. Язык ASSL. Поставщик данных ADOMD.NET.
14) Основы создания запросов на языке MDX. Фундаментальные концепции. Запросы MDX.
15) Облачные технологии: основные определения, структура облачных технологий.
16) Сервис-предоставляющая технология облака - "Инфраструктура как сервис" (IaaS).
17) Сервис-предоставляющая технология облака - "Платформа как сервис" (PaaS).
18) Сервис-предоставляющая технология облака - "Программное обеспечение как сервис" (SaaS).
19) Обзор типов развёртывания облачных систем: частное облако, публичное облако, смешанное (гибридное) облако.
20) Облачные технологии. Достоинства облачных вычислений. Недостатки и проблемы облачных вычислений.
21) Обзор облачных сервисов Microsoft, Google и другие.
22) Веб-службы в «облаке» и технологии. Обзор зарубежных и отечественных веб-облачных служб.
23) Классификация программных продуктов для создания аналитических решений. Характеристики аналитических платформ.
24) Инструментальные средства автоматизации аналитической работы и планирования.
25) Аналитические инструментальные средства пакетов прикладных программ широкого применения. Специализированные информационно-аналитические системы.
26) Информационно-аналитические системы на транспорте.

Вопросы для оценки результата освоения "Уметь":

1) Основы интеллектуального анализа данных Data Mining.
2) Задачи классификации в Data Mining. Процесс классификации. Методы классификации.
3) Задача кластеризации в Data Mining. Применение кластерного анализа. Применение кластерного анализа.
4) Задача прогнозирования в Data Mining. Прогнозирование и временные ряды. Методы прогнозирования.
5) Применение Data Mining для решения бизнес-задач в банковском деле, в электронной коммерции, в страховании, в маркетинге, в розничной торговле, в телекоммуникациях, в промышленном производстве.
6) Применение Data Mining для решения научных задач в биоинформатике, в медицине, в химии, в генетике и генной инженерии.
7) Применение Data Mining для решения задач анализа в телекоммуникациях : Web Mining, Text Mining, Call Mining.
8) Методы Data Mining. Задачи классификации и прогнозирования.
9) Деревья решений в Data Mining. Алгоритмы.
10) Метод Data Mining опорных векторов.
11) Метод Data Mining "ближайшего соседа".
12) Байесовская классификация в Data Mining.
13) Нейронные сети в Data Mining.
14) Иерархические методы Data Mining.

Вопросы для оценки результата освоения "Иметь навыки":

1) Средствами OLAP-анализа в Microsoft Excel и в Microsoft Visio.

2) Основами работы в Microsoft SQL Management Studio.

3) Основами работы в Microsoft SQL Server Business Intelligence Development Studio.

4) Навыками создания реляционного источника хранилища данных.

5) Навыками создания проекта служб Microsoft SQL Server Analysis Services.

6) Навыками определения и развертывания OLAP-куба.

7) Навыками извлечения информации из хранилища данных и создания OLAP-отчетов.

8) Языком многомерных запросов MDX и выполнять анализ данных из хранилища данных.

9) Технологиями интеллектуального анализа данных DataMining.


Иные контрольные материалы для автоматизированной технологии оценки имеются в Центре мониторинга качества образования


Методические материалы, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций

№ п/п Библиографическое описание
1 Методические указания, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций. Ресурс ЦМКО РГУПС.
2 Методические рекомендации по составлению и апробации фондов оценочных средств (КИМ, КОС) по дисциплинам направлений подготовки (специальностей) высшего образования [Текст, Электронный ресурс] : учеб.-метод. пособие / М. С. Тимофеева, Д. В. Глазунов, А. В. Симонцева [и др.] ; ФГБОУ ВПО РГУПС. - Ростов н/Д : [б. и.], 2015. - 86 с.
3 Игнатьева, О.В. Информационные хранилища и аналитические системы на транспорте. Подготовка к тестам: [электронный ресурс] учебно-методическое пособие для самостоятельной работы/ О.В. Игнатьева; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 15 с.

Для каждого результата обучения по дисциплине определены

Показатели и критерии оценивания сформированности компетенций на различных этапах их формирования

Резуль-
тат
обуче-
ния
Компе-
тенция
Этап
формиро-вания в
процессе
освоения
ОП
(семестр)
Этапы
формирования
компетенции
при изучении
дисциплины
(раздел
дисциплины)
Показатель
сформиро-
ванности
компетенции
Критерий
оценивания
  ОПК-3 6 1, 2, 3, 4 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Процент верных на тестировании - правильность выполнения заданий.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.
  ОПК-9 6 1, 2, 3, 4 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Процент верных на тестировании - правильность выполнения заданий.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.

Шкалы и процедуры оценивания

Значение оценки Уровень
освоения
компетенции
Шкала оценивания
(для аттестационной
ведомости, зачетной
книжки, документа
об образовании)
Процедура оценивания
Балльная оценка -
"отлично",
"хорошо",
"удовлетворительно".
Дуальная оценка -
"зачтено".
Пороговый, Базовый, Высокий В соответствии со шкалой оценивания в разделе РПД "Описание шкал оценивания компетенций" Зачет (письменно-устный).
Автоматизированное тестирование.
Выполнение лабораторной работы (подготовка отчета).
Балльная оценка -
"неудовлетворительно".
Дуальная оценка -
"не зачтено".
Не достигнут

Перечень учебной литературы для освоения дисциплины

№ п/п Библиографическое описание Ресурс
1 Парфенов Ю.П. Постреляционные хранилища данных: учебное пособие для вузов . – М. Издательство Юрайт, 2018. Екатеринбург: Изд-во урал.ун-та. – 121 с. ЭБС Юрайт
2 Информационные аналитические системы [Электронный ресурс] : учебник / Т.В. Алексеева [и др.]. — Электрон. текстовые данные. — М. : Московский финансово-промышленный университет «Синергия», 2013. — 384 c. ЭБС IPRBooks
3 Журнал «Автоматика, связь, информатика» ЭБ public.ru
4 Храмов В.В. Интеллектуальные информационные системы: интеллектуальный анализ данных : учеб. пособие/ В. В. Храмов, Д. С. Гвоздев; ФГБОУ ВПО РГУПС. - Ростов н/Д, 2012. -97 с. ЭБС РГУПС
5 Евдокимов А. В. Системы управления реляционными базами данных : учеб. пособие / А. В. Евдокимов, Н. М. Нечитайло. - 2013. - 165 с. ЭБС РГУПС
6 Игнатьева, О. В.Информационно-поисковые и аналитические системы [Электронный ресурс] : учеб. пособие / О. В. Игнатьева ; ФГБОУ ВО РГУПС. - Ростов н/Д : [б. и.], 2017. - 143 с. ЭБС РГУПС
7 Головина Е.Ю. Интеллектуальные методы для создания систем поддержки принятия решений [Электронный ресурс]: учебное пособие/ Е.Ю. Головина— Электрон. текстовые данные.— М.: Издательский дом МЭИ, 2011.— 104 c. ЭБС IPRBooks
8 Маркин, А. В. Программирование на sql в 2 ч. Часть 1 : учебник и практикум для бакалавриата и магистратуры / А. В. Маркин. — М. : Издательство Юрайт, 2017. — 362 с. ЭБС Юрайт
9 Маркин, А. В. Программирование на sql в 2 ч. Часть 2 : учебник и практикум для бакалавриата и магистратуры / А. В. Маркин. — М. : Издательство Юрайт, 2018. — 292 с. ЭБС Юрайт

Перечень учебно-методического обеспечения

№ п/п Библиографическое описание Ресурс
1 Соколова О.И. Учебно-наглядное пособие - тематические иллюстрации по дисциплине "Информационные хранилища". РГУПС. - Ростов н/Д, 2019. ЭИОС РГУПС
2 Игнатьева, О.В. Информационные хранилища и аналитические системы на транспорте [электронный ресурс]: учебно-методическое пособие для выполнения практических работ / О.В. Игнатьева; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 197 с. ЭБС РГУПС
3 Игнатьева, О.В. Прикладное программирование и базы данных. В 2-х ч. Ч. 1 [электронный ресурс]: учебно-методическое пособие по выполнению лабораторных работ / О.В. Игнатьева; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 206 с. ЭБС РГУПС
4 Игнатьева, О.В. Информационные хранилища и аналитические системы на транспорте. Подготовка к тестам: [электронный ресурс] учебно-методическое пособие для самостоятельной работы/ О.В. Игнатьева; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 15 с. ЭБС РГУПС

Электронные образовательные ресурсы в сети "Интернет"

№ п/п Адрес в Интернете, наименование
1 http://rgups.ru/. Ресурс ЭИОС РГУПС
2 http://www.iprbookshop.ru/. Электронно-библиотечная система "IPRBooks"
3 https://www.biblio-online.ru/. Электронно-библиотечная система "Юрайт"
4 http://www.umczdt.ru/. Электронная библиотека "УМЦ ЖДТ"
5 http://jirbis2.rgups.ru/jirbis2/. Электронно-библиотечная система РГУПС
6 https://rgups.public.ru/. Электронная библиотека "public.ru"

Профессиональные базы данных и информационно-справочные системы

№ п/п Адрес в Интернете, наименование
1 http://www.glossary.ru/. Глоссарий.ру (служба тематических толковых словарей)
2 http://www.consultant.ru/. КонсультантПлюс

Лицензионное и свободно распространяемое программное обеспечение

№ п/п Наименование Произ-
во
1 Операционная система ОС Microsoft Windows. Офисное программное обеспечение Microsoft Office. Общесистемное ПО Acrobat Reader. И
2 MS Office (Прикладное программное обеспечение общего назначения, лицензионное, для выполнения практических работ) И
3 Microsoft SQL Server Express (ПО специального назначения, cвободно распространяемое,для выполнения практических работ) И

О - программное обеспечение отечественного производства

И - импортное программное обеспечение


Описание материально-технической базы, необходимой для осуществления образовательного процесса по дисциплине

Помещения(аудитории):

учебные аудитории для проведения учебных занятий;

помещения для самостоятельной работы.

Для изучения настоящей дисциплины в зависимости от видов занятий используется:

Учебная мебель;

Технические средства обучения (включая стационарный либо переносной набор демонстрационного оборудования);

Персональные компьютеры.

Самостоятельная работа обучающихся обеспечивается компьютерной техникой с возможностью подключения к сети "Интернет" и ЭИОС.


"____" _________________20___г.


Код РПД: 46338.