МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Дальневосточный федеральный университет» (ДВФУ) ШКОЛА ЕСТЕСТВЕННЫХ НАУК РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ (РПУД) Интеллектуальный анализ на основе хранилищ данных Направление — 230700.68, Прикладная информатика Форма подготовки - очная Школа естественных наук Кафедра Компьютерные системы курс 2 семестр 3 лекции 8 час. практические занятия 0 час. семинарские занятия - час. лабораторные работы 46 час. консультации всего часов аудиторной нагрузки 54 (час.) самостоятельная работа 54 (час.) реферативные работы (количество) нет контрольные работы (количество) нет зачет 3 семестр экзамен - семестр Рабочая программа составлена в соответствии с требованиями федерального государственного образовательного стандарта высшего профессионального образования (утв. приказом Минобрнауки РФ от 21.12.2009 г., № 762). Рабочая программа обсуждена на заседании кафедры компьютерных систем « 03 » октября 2012 г. Составитель (ли): А.М. Фролов, к.ф.-м.н., доцент I. Рабочая программа пересмотрена на заседании кафедры: Протокол от «_____» _________________ 20___ г. № ______ Заведующий кафедрой _______________________ Е.Л. Кулешов (подпись) (И.О. Фамилия) II. Рабочая программа пересмотрена на заседании кафедры: Протокол от «_____» _________________ 20___ г. № ______ Заведующий кафедрой _______________________ Е.Л. Кулешов (подпись) (И.О. Фамилия) ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 3 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 АННОТАЦИЯ Учебная дисциплина разработана для студентов 2 курса направление «230700.68, «Прикладная информатика» в соответствии с требованиями ФГОС по данному направлению. Дисциплина «Интеллектуальный анализ на основе хранилищ данных» является вариативной дисциплиной и входит в цикл общенаучных дисциплин для магистерской программы «Системы корпоративного управления». Цель изучения дисциплины - формирование у студентов теоретических знаний, практических умений и навыков по применению современных методов интеллектуального анализа данных в различных сферах человеческой деятельности. Задачи изучения дисциплины: 1) изучение существующих технологий подготовки данных к анализу; 2) изучение основных методов поиска закономерностей, связей, правил в табулированных массивах данных большого объема; иллюстрированного их применения в различных областях деятельности; 3) овладение практическими умениями и навыками реализации технологий интеллектуального анализа данных, формирования и проверки гипотез о их природе и структуре, варьирования применяемыми моделями; 4) формирование умений и навыков применения универсальных программных пакетов и аналитических платформ для анализа данных. В результате изучения дисциплины студент должен: Знать: основные методы консолидации, трансформации, визуализации, оценки качества, очистки и предобработки данных; принципы построения и структурную организацию хранилищ данных; алгоритмы поиска ассоциативных правил и кластерного анализа; ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 4 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 статистические и машинные методы классификации и регрессии; методики анализа и прогнозирования временных рядов; технологию построения ансамблей и сравнения моделей; возможности отечественных и зарубежных универсальных программных средств и аналитических платформ, применяемых для анализа данных; проблемные вопросы внедрения аналитических программных продуктов и технологий в профессиональную деятельность организаций и учреждений. Уметь: практически применять методы консолидации, трансформации, визуализации, оценки качества, очистки и предобработки данных для качественной подготовки данных к анализу; создавать хранилища данных, выполнять их загрузку, извлекать данные из хранилищ; применять технологии интеллектуального анализа электронных массивов данных для решения конкретных практических проблем; использовать возможности отечественных и зарубежных универсальных программных средств и аналитических платформ для поиска закономерностей, связей, правил, знаний в электронных массивах данных; свободно ориентироваться на современном динамичном рынке аналитических программных продуктов. Владеть современным инструментарием интеллектуального анализа данных. Дисциплина направлена на формирование профессиональных компетенций (ОК, ПК) выпускника: общекультурных и ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 5 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень, самостоятельно обучаться новым методам исследования (ОК-1); способен свободно пользоваться русским языком и одним из иностранных языков, как средством делового общения (ОК-2); способен приобретать и использовать на практике знания, умения и навыки в организации исследовательских и проектных работ, в управлении коллективом (ОК-3); способен проявлять инициативу, брать на себя ответственность в условиях риска и принимать нестандартные решения в проблемных ситуациях (ОК-4); способен использовать углублённые знания правовых и этических норм при оценке последствий своей профессиональной деятельности, при разработке и осуществлении социально значимых проектов (ОК-5); способен управлять знаниями в условиях формирования и развития информационного общества: анализировать, синтезировать и критически резюмировать и представлять информацию (ОК-6); способен исследовать современные проблемы и методы прикладной информатики и научно-технического развития информационно- коммуникационных технологий (ПК-1); способен исследовать закономерности становления и развития информационного общества в конкретной прикладной области (ПК-2); способен на практике применять новые научные принципы и методы исследований (ПК-3); способен электронного к профессиональной оборудования программы (ПК-4); в эксплуатации соответствии с целями современного магистерской ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 6 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 способен использовать и развивать методы научных исследований и инструментария в области проектирования и управления информационными системами в прикладных областях (ПК-5); способен формализовывать задачи прикладной области, при решении которых возникает необходимость использования количественных и качественных оценок (ПК-6); способен ставить и решать прикладные задачи в условиях неопределенности и определять методы и средства их эффективного решения (ПК-7); способен проводить научные эксперименты, оценивать результаты исследований (ПК-8); способен исследовать применение различных научных подходов к автоматизации информационных процессов и информатизации предприятий и организаций (ПК-9); способен проводить анализ экономической эффективности ИС, оценивать проектные затраты и риски (ПК-10); способен анализировать данные и оценивать требуемые знания для решения нестандартных задач с использованием математических методов и методов компьютерного моделирования (ПК-12); способен анализировать и оптимизировать прикладные и информационные процессы (ПК-13); способен проводить маркетинговый анализ ИКТ и вычислительного оборудования для рационального выбора инструментария автоматизации и информатизации прикладных задач (ПК-14); способен применять современные методы и инструментальные средства прикладной информатики для автоматизированного решения прикладных задач различных классов и создания ИС (ПК-15); ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 7 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 способен проектировать архитектуру и сервисы информационных систем предприятий в прикладной области (ПК-16); способен проектировать информационные процессы и системы с использованием инновационных инструментальных средств, адаптировать современные ИКТ к задачам прикладных ИС (ПК-17); способен принимать эффективные проектные решения в условиях неопределенности и риска (ПК-18); способен формировать стратегию информатизации прикладных процессов и создания прикладных ИС в соответствии со стратегией развития предприятий (ПК-19); способен организовывать работы по моделированию прикладных ИС и реинжинирингу прикладных и информационных процессов предприятия (ПК-20). I. СОДЕРЖАНИЕ ТЕОРЕТИЧЕСКОЙ ЧАСТИ КУРСА Раздел 1. Технологии обеспечения качественного анализа данных (4 час.) Тема 1. Технологии анализа данных, с использованием методов интерактивного/активного обучения - дискуссия (1 час.) Аналитический и информационный походы к моделированию. Формы представления, типы и виды анализируемых данных. Источники данных для анализа. Технология KDD (Knowledge Discovery in Databases). Введение в технологию Data Mining. Программный инструментарий анализа данных. Тема 2. Консолидация данных, с использованием методов интерактивного/активного обучения - дискуссия (1 час.) Введение в консолидацию данных. Общая характеристика OLTPсистем. Предпосылки появления систем поддержки принятия решений (DSS ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 8 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 – Decision Support System). Введение в хранилища данных (DW – Data Warehouse). Реляционные хранилища данных (ROLAP – Relational OLAP). Многомерные хранилища данных (MOLAP – Multidimensional OLAP). Гибридные хранилища данных (HOLAP – Hybrid OLAP). Виртуальные хранилища данных. Введение в процесс ETL (Extraction, Transformation, Loading). Извлечение данных в ETL. Преобразование данных в ETL. Загрузка данных в хранилище. Особенности загрузки данных из локальных источников. Обогащение данных. Тема 3. Трансформация данных. Визуализация данных (1 час.) Введение в трансформацию данных. Особенности трансформации временных рядов. Группировка и разгруппировка данных. Слияние данных. Квантование. Нормализация и кодирование данных. Введение в визуализацию данных. Визуализаторы общего назначения. OLAP-анализ. Визуализаторы, применяемые для оценки качества моделей. Визуализаторы, применяемые для интерпретации результатов анализа. Тема 4. Оценка качества, очистка и предобработка данных (1 час.) Введение в оценку качества данных (ADQ – Assessment Data Quality). Технологии и методы оценки качества данных. Очистка и предобработка данных. Фильтрация данных. Обработка дубликатов и противоречий. Выявление аномальных значений. Восстановление пропущенных значений. Введение в сокращение размерности. Сокращение числа признаков. Сокращение числа значений признаков и записей. Сэмплинг. Раздел 2. Инструменты Data mining (4 час.) Тема 5. Поиск ассоциативных правил. Кластеризация (1 час.) Введение в аффинитивный анализ (affinity analysis). Алгоритм a priori. Иерархические ассоциативные правила. ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 9 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 Введение в кластеризацию. Классификация методов кластеризации. Алгоритм кластеризации k-means. Сети Кохонена (KCN – Kohonen network). Карты Кохонена (SOM – self organizing map). Проблемы алгоритмов кластеризации Тема 6. Классификация и регрессия. Статистические методы (1 час.) Введение в классификацию и регрессию. Простая линейная регрессия. Оценка соответствия простой линейной регрессии реальным данным. Простая регрессионная модель. Множественная линейная регрессия. Модель множественной линейной регрессии. Регрессия с категориальными входными переменными. Методы отбора переменных в регрессионные модели. Ограничения применимости регрессионных моделей. Основы логистической регрессии. Интерпретация модели логистической регрессии. Множественная логистическая регрессия. Тема 7. Классификация и регрессия. Машинное обучение (1 час.) Введение в деревья решений. Алгоритмы построения деревьев решений. Алгоритмы IDЗ и С4.5. Алгоритм CART. Упрощение деревьев решений. Введение в нейронные сети. Искусственный нейрон. Принципы построения нейронных сетей. Алгоритмы обучения нейронных сетей. Алгоритм обратного распространения ошибки. Тема 8. Анализ и прогнозирование временных рядов. Ансамбли моделей. Сравнение моделей (1 час.) Временной ряд и его компоненты. Модели прогнозирования. Прогнозирование в торговле и логистике. Введение в ансамбли моделей. Бэггинг. Бустинг. Альтернативные методы построения ансамблей. Оценка эффективности и сравнение моделей. Оценка ошибки модели. Издержки ошибочной классификации. Lift- и Profit-кривые. ROC-анализ. ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 10 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 II. СОДЕРЖАНИЕ ПРАКТИЧЕСКОЙ ЧАСТИ КУРСА Лабораторные работы (46 час.) Лабораторный практикум по разделу 1 (26 час.) Лабораторная работа № 1 «Основы работы с аналитической платформой Deductor studio» (2 час.) Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), аналитическая платформа Deductor Studio. Лабораторная работа № 2 «Трансформация данных в Deductor Studio» (4 час.) Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), аналитическая платформа Deductor Studio. Лабораторная работа № 3 «Создание, заполнение и использование хранилища данных Deductor Warehouse на базе Firebird» (4 час.) Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), аналитическая платформа Deductor Studio Academic. Лабораторная работа № 5 «Определение представления источника данных в проекте служб Analysis Services» (4 час.) Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP Professional), SQL Server 2008 Developer. Лабораторная работа № 6 «Определение и развертывание куба» (4 час.) Место проведения: специализированный компьютерный класс. Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP Professional), SQL Server 2008 Developer. Лабораторная работа № 7 «Изменение мер, атрибутов и иерархий» (4 час.) Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 11 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 система Windows XP Professional), SQL Server 2008 Developer. Лабораторный практикум по разделу 2 (20 час.) Лабораторная работа № 6. «Ассоциативные правила» (4 час.) Лабораторная работа № 7. «Основы работы с пакетом STATISTICА» (4 час.) Лабораторная работа № 8. «Кластерный анализ» (4 час.) Лабораторная работа № 9. «Регрессионный анализ» (4 час.) Лабораторная работа № 10. «Искусственные нейронные сети» (4 час.) III. КОНТРОЛЬ ДОСТИЖЕНИЯ ЦЕЛЕЙ КУРСА Методы контроля: обсуждение теоретических концепций; представление отчетов по работам в электронной форме; обсуждение промежуточных результатов по программам работ; презентация, защита отчетов по лабораторным работам. Интерактивные/активные формы проведения занятий: компьютерное моделирование; выполнение лабораторных работ (проектно-исследовательских работ). Вопросы к зачету 1. Модели и их свойства. Аналитический и информационный походы к моделированию. 2. Формы представления, типы и виды анализируемых данных. 3. Обучение моделей «с учителем» и «без учителя». Обучающее и тестовое множество. Ошибки обучения. Эффект переобучения. ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 12 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 4. Общая схема анализа данных. Требования к алгоритмам анализа данных. 5. Основные принципы сбора (формализации) данных. Требования к объемам анализируемых данных. 6. Характеристика этапов технологии KDD. 7. Data Mining. Характеристика классов задач, решаемых методами Data Mining. 8. Программный инструментарий для выполнения анализа данных. 9. Цели, задачи и основное содержание консолидации данных. Обобщенная схема процесса консолидации. 10. Характеристика OLTP-систем. 11. Предпосылки появления систем поддержки принятия решений DSS. Понятие ESS, EIS и GDSS. 12. Основные положения концепции хранилищ данных (DW). 13. Реляционные хранилища данных (ROLAP). 14. Технология OLAP. Сущность многомерного представления данных. 15. Структура многомерного куба. Работа с измерениями. 16. Многомерные хранилища данных (MOLAP). 17. Гибридные хранилища данных (HOLAP). 18. Виртуальные хранилища данных. 19. Цели, задачи и основное содержание процесса ETL. 20. Основные виды проблем в данных, из-за которых они нуждаются в очистке. 21. Организация процесса загрузки данных в хранилище. Постзагрузочные операции. 22. Причины отказа от использования хранилищ данных. Особенности загрузки данных из локальных источников. 23. Обогащение данных. ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 13 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 24. Цели, задачи и основное содержание трансформации данных. Трансформация данных на разных этапах аналитического процесса. Типичные средства трансформации. 25. Особенности трансформации временных рядов. Скользящее окно. Преобразование даты и времени. 26. Группировка и разгруппировка данных. 27. Способы слияния данных. 28. Квантование данных. 29. Нормализация и кодирование данных. 30. Цели, задачи и основное содержание визуализации данных. Группы методов визуализации. 31. Визуализаторы общего назначения. OLAP-анализ. 32. Манипуляции с измерениями OLAP-куба. 33. Визуализаторы, применяемые для оценки качества моделей. 34. Визуализаторы, применяемые для интерпретации результатов анализа. 35. Технологии и методы оценки качества данных. Профайлинг. 36. Очистка и предобработка данных. 37. Типичный набор инструментов предобработки данных аналитическом приложении. 38. Фильтрация данных. Обработка дубликатов и противоречий. 39. Выявление аномальных и восстановление пропущенных значений. 40. Алгоритмы и методы сокращения числа признаков. в ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 14 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 IV. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ Основная литература 1. Паклин Н.Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям. – СПб. : Питер, 2009 2. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. - 2-е изд. – СПб. : БХВ – Петербург, 2008 3. Кацко И.А., Н.Б. Паклин. Практикум по анализу данных на компьютере. – М. : КолосС, 2009. Дополнительная литература Темы 1 - 12 4. Дюк В.А., Самойленко А.П. Data Mining: учебный курс. – СПб. : Питер, 2001. 5. Хайкин С. Нейронные сети: полный курс. -2-е. изд. / Пер. с англ. – М. : Издат. дом «Вильямс», 2006. 6. Ханк Д.Э., Уичерн Д.У., Райте А.Дж. Бизнес-прогнозирование. - 7-е изд. / Пер. с англ. – М.: Издат. дом «Вильямс», 2003 7. Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы : учебник. – М. : Финансы и статистика, 2000. 8. Нейронные сети. STATISTICA Neural Network: Методология и технологии современного анализа данных. / Под ред. В.П. Боровикова. – М. : Горячая линия-Телеком, 2008 9. Халафян А.А. STATISTICA 6. Статистический анализ данных : учебник. / - 3-е изд. – М. : Бином-Пресс, 2007. 10. Андрейчиков А.В., Андрейчикова информационные системы. – М. : ФиС, 2004. О.Н. Интеллектуальные ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Учебно-методический комплекс дисциплины «Интеллектуальный анализ на основе хранилищ данных» Разработчики: Идентификационный номер: Контрольный экземпляр на кафедре Лист 15 из 15 Фролов А.М., УМКД. 19(100)- 230700.68-Компьютерных систем ШЕН к.ф.-м.н., доцент М1.В.ОД.5-2012 11. Кравченко Т.К., Перминов Г.И. Информационная технология процесса принятия экономических решений. - М. : ГУ-ВШЭ, 2005. 12. Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках. / - 2-е изд. – СПб. : Питер, 2007. Интернет-ресурсы 1. Барсегян, А. Анализ данных и процессов. / А. Барсегян, М. Куприянов, И. Холод, М. Тесс, С. Елизаров. - 3-е изд. - СПб. : БХВПетербург, 2010. - 512 с. - Электронное издание. - Доступно из URL : http://ibooks.ru/reading.php?productid=18456. 2. Абдикеев, Н.М. Информационный менеджмент. / Н.М. Абдикеев. М. : ИНФРА-М, 2009. - 400 с. - Электронное издание. - Доступно из URL : http://ibooks.ru/reading.php?productid=24489 3. Когаловский, М.Р. Перспективные технологии информационных систем. / М.Р. Когаловский. - М. : ДМК Пресс, 2010. - 288 с. - Электронное издание. - Доступно из URL : http://ibooks.ru/reading.php?productid=22430