Магистры, аспиранты и молодые ученые в своей практической деятельности часто сталкиваются с необходимостью обработки, анализа и интерпретации больших объемов экспериментальных данных. В этом случае у них часто возникают серьезные трудности, связанные с отсутствием успешного опыта в решении подобных задач и навыков применения современных математических пакетов программ.

Целью изучения дисциплины «Методы обработки экспериментальных данных» является получение компетенций, необходимых для проведения квалифицированного статистического анализа экспериментальных данных в автоматизированных системах обработки информации и управления.

Предметом дисциплины «Методы обработки экспериментальных данных» являются алгоритмы, математические модели, параметрические и непараметрические методы обработки и анализа экспериментальных данных.

В результате изучения данной дисциплины слушатели обязаны иметь представления об основных этапах организации сбора и основных методах анализа данных.

В результате изучения данной дисциплины слушатели должны уметь: планировать и производить сбор данных; проводить первичную подготовку данных, фильтрацию выбросов; рассчитывать числовые характеристики для исследуемых переменных; выбирать подходящие программные инструменты для выполнения анализа данных; давать интерпретацию полученным результатам.

Дисциплина «Методы обработки экспериментальных данных» базируется на модульной системе построения. Что предполагает разделение учебного курса на самостоятельные и логически завершенные элементы – модули.

Общее количество часов, предусмотренных учебным планом на освоение данной учебной дисциплины, составляет 114 часов.

Изучение каждого отдельного модуля предполагает использование комбинации разных форм и методов обучения и завершается контролем, поэтому предусмотрено достаточное количество времени, необходимое для полноценной реализации модуля.

Структура и содержание модулей дисциплины:

Модуль 1. Введение. Современные проблемы обработки экспериментальных данных.
Модуль 2. Классификация в распознавании образов.
Модуль 3. Планирование эксперимента.
Модуль 4. Методы непараметрической обработки информации.
Модуль 5. Дисперсионный анализ.
Модуль 6. Анализ трендов и временных рядов.
Модуль 7. Идентификация статических моделей объектов.
Модуль 8. Идентификация и адаптивное управление динамическими объектами.

Знание основ обработки и анализа экспериментальных данных позволит правильно интерпретировать полученные результаты и принимать на их основе управленческие решения.

Ведущий преподаватель: Кузнецов Алексей Владимирович, канд.техн.наук, доцент
Лектор: Рубан Анатолий Иванович, доктор техн. наук, профессор.