FIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior 1. Facultatea 1.3 Departamentul 1.4 Domeniul de studii 1.5 Ciclul de studii 1.6 Programul de studii / Calificarea. Date despre disciplină.1 Denumirea disciplinei. Titularul activităţilor de curs.3 Titularul activităţilor de seminar.4 An de studiu I.5 Semestru Universitatea Alexandru Ioan Cuza din Iaşi Facultatea de Informatică Informatică Informatică Studii de masterat Capitole speciale de inteligenţă artificială Conferenţiar dr. Cristian Gaţu Conferenţiar dr. Cristian Gatu I.6 Tip de evaluare E.7 Regimul discipinei* OB 3. Timpul total estimat (ore pe semestru şi activităţi didactice) 3.1 Număr de ore pe săptămână 4 din care: 3. curs 3.3 seminar/laborator 3.4 Total ore din planul de învăţământ 56 din care: 3.5 curs 8 3.6 seminar/laborator Distribuţia fondului de timp Studiu după manual, suport de curs, bibliografie şi altele Documentare suplimentară în bibliotecă, pe platformele electronice de specialitate şi pe teren Pregătire seminarii/laboratoare, teme, referate, portofolii şi eseuri Tutoriat Examinări Alte activităţi... 8 ore 36 8 56 4 3.7 Total ore studiu individual 3.8 Total ore pe semestru 3.9 Număr de credite 14 180 8 * OB Obligatoriu / OP Opţional 4. Precondiţii (dacă este cazul) 4.1 De curriculum 4. De competenţe 5. Condiţii (dacă este cazul) 5.1 De desfăşurare a cursului 5. De desfăşurare a seminarului/ laboratorului Prezenţa la activităţile de seminar/loborator este obligatorie.
transversalecompetenţe profesionalecompetenţe 6. Competenţe specifice acumulate C1. Cunoaşterea unor tehnici fundamentale de analiză statistică a datelor. C. Abilitatea de a utiliza limbajul de programare statistică R. CT1. Abilitatea de analiză complexă a datelor din diferite domenii de aplicaţie. CT. Abilitatea de a utiliza unelete matematice, statistice si de optimizare pentru analiza datelor. 7. Obiectivele specifice general7.1 Obiectivul 7. Obiectivele disciplinei (din grila competenţelor specifice acumulate) O1. Înţelegerea şi însuşirea unor tehnici moderne din Inteligenţa artificială. O. Implicarea studenţilor în activităţi de cercetare. O1. Întelegerea unor modalităţi de rezolvare eficientă a unor probleme de modelare şi analiză a datelor folosind Statistica şi Informatica. O. Cunoaşterea unor tehnici moderne de modelare şi analiză a datelor. O3. Înţelegerea şi utilizarea limbajului de programare statistică R. 8. Conţinut Curs Metode de predare Observaţii 1. Probabilităţi şi variabile aleatoare. I 3. II 8.1 (ore şi referinţe bibliografice)
4. Calcul matricial în statistică 5. Regresie I 6. Regresie II 7. Selecţia de modele statistice 8. Evaluare parţială Test scris 9. Strategii computaţionale pentru selecţia de modele I 10. Strategii computaţionale pentru selecţia de modele II 11. Analiza componentelor principale 1. Analiza factorilor 13. Clasterizare I 14. Clasterizare II Bibliografie Referinţe principale: Hastie, R. Tibshirani and J. Friedman. The Elements of Statistical Learning, Springer, 001 Referinţe suplimentare: D. S. Moore, G. P. McCabe, B. Craig. Introduction to the Practice of Statistics. W. H. Freeman & Co., 009. G. Cowan. Statistical Data Analysis. Clarendon Press, 1998. T.M. Mitchell. Machine Learning, McGrawHill, 1997. G. A. F. Seber, Linear Regression Analysis, John Wiley and Sons Inc., 1977. N.R. Draper and H. Smith, Applied Regression Analysis, John Wiley and Sons Inc., 1966. E.J. Kontoghiorghes, Parallel Algorithms for Linear Models: Numerical Methods and Estimation Problems, Kluwer Academic Publishers, 000. Seminar / Laborator Metode de predare Observaţii Introducere in R interactivă. Probabilităţi si variabile aleatoare Revizuirea unor cunoştinţe de la curs. Discuţii interactive folosind tabla. Studenţii trebuie să rezolve individual un set de exerciţii in R. 3. 4. 8. 1. (ore şi referinţe bibliografice)
5. 6. Regresie simplă 7. Regresie multiplă 8. Evaluare parţială Discutarea exerciţiilor de la testul scris 9. 10. 11. 1. Analiza componentelor principale 13. Analiza factorilor 14. Clasterizare Bibliografie T. Hastie, R. Tibshirani and J. Friedman. The Elements of Statistical Learning, Springer, 001 D. S. Moore, G. P. McCabe, B. Craig. Introduction to the Practice of Statistics. W. H. Freeman & Co., 009. G. Cowan. Statistical Data Analysis. Clarendon Press, 1998. 9. Coroborarea conţinutului disciplinei cu aşteptările reprezentanţilor comunităţii, asociaţiilor profesionale şi angajatorilor reprezentativi din domeniul aferent programului 10. Evaluare Tip activitate 10.4 Curs 10.5 Seminar/ Laborator 10.1 Criterii de evaluare Înţelegerea şi utilizarea corectă a unor tehnici de modelare şi analiză a datelor. Calitatea formulării răspunsurilor. Lucru curat, citeţ, corect şi personal. 10. Metode de evaluare 10.3 Pondere în nota finală (%) Test scris 50% Prezenţa la activităţile de seminar/laborator. Prezentarea soluţiilor la 50%
exerciţiile propuse. 10.6 Standard minim de performanţă Punctajul final >= 4.5. Îndeplinirea acestei condiţii este echivalentă cu capacitatea de întelegere şi utilizare a unor tehnici simple şi medii de analiză a datelor. Data completării 30.09.017 Titular de curs Data avizării în departament Titular de seminar Director de departament