Объект исследования – данные, собираемые системами дистанционного обучения. Целью данной работы является разработка прототипа информационно- аналитической системы в сфере образования и исследование применения моделей алгоритмов классификации и кластеризации для анализа данных, которые находятся в системе. Данная работа состоит из трех глав. В первой главе рассмотрены основные понятия, связанные с информационно-аналитическими системами и интеллектуальным анализом данных в сфере образования. Подробно описаны основные задачи и основные этапы анализа данных, через которые необходимо пройти для достижения поставленной цели. Во второй главе рассмотрены основные средства языка Python для интеллектуального анализа данных. Описаны основные библиотеки Python. Третья глава посвящена непосредственно практической части. Был проведен анализ данных средствами языка Python и разработан прототип информационно-аналитической системы.

The object of the research is the data collected by distance learning systems. The aim of this work is to develop a prototype of information-analytical system in education and to study the use of classification models and clustering algorithms for the data analysis. This work consists of three chapters. In the first chapter it’s been discussed the basic concepts related to information-analytical systems and data mining in education. The main tasks and stages of data analysis which are necessary to go through to achieve the goal, are described in detail. The second chapter is about Python basic tools for data mining .The main Python libraries are described. The third chapter is dedicated directly to the practical part. The data were analyzed using the Python language and a prototype information-analytical system was developed.

• Список сокращений
• Введение
• Глава 1. Постановка задачи и обзор литературы
  • 1.1. Постановка задачи
  • 1.2. Информационно-аналитическая система в сфере образования
    • 1.2.1. Задачи информационно-аналитических систем
    • 1.2.2. Функциональные требования
  • 1.3. Интеллектуальный анализ данных в сфере образования
  • 1.4. Задачи интеллектуального анализа данных
    • 1.4.1. Задача классификации и регрессии
    • 1.4.2. Задача кластеризации
    • 1.4.3. Задача поиска ассоциативных правил
    • 1.4.4. Анализ последовательностей
  • 1.5. Алгоритмы классификации
    • 1.5.1. Упрощенный алгоритм Байеса
    • 1.5.2. Метод деревьев решений
    • 1.5.3. Метод нейронных сетей
  • 1.6. Алгоритмы кластеризации
    • 1.6.1. Классификация алгоритмов
    • 1.6.2. Иерархические алгоритмы
    • 1.6.3. Неиерархические алгоритмы
  • 1.7. Выводы
• Глава 2. Средства интеллектуального анализа данных. Библиотеки для языка Python
  • 2.1. Общие сведения
  • 2.2. Библиотеки языка Python
    • 2.2.1. Библиотека NumPy
    • 2.2.2. Библиотека предварительной обработки данных Pandas
    • 2.2.3. Библиотека визуализации данных MatplotLib
    • 2.2.3. Библиотека алгоритмов машинного обучения Scikit-learn
  • 2.3. Выводы
• Глава 3. Интеллектуальный анализ данных средствами Python
  • 3.1. Обзор набора данных
  • 3.2. Визуализация и предварительный анализ данных
  • 3.3. Прогнозирование успеваемости студентов
  • 3.4. Задача кластеризации обучающихся
  • 3.5. Прототип информационно-аналитической системы
    • 3.5.1. Архитектура информационно-аналитической системы
    • 3.5.2. Структура программы
  • 3.6. Выводы
• Заключение
• Список литературы
• Приложение 1. Код программы, которая выполняет предварительный анализ данных
• Приложение 2. Код программы, которая выполняет интеллектуальный анализ данных