/ / / /

Большие данные. Big Data. Учебное пособие для СПО, Белый

Лань

sku: 4452019

1,403.00 руб.

Shipping from: Russia

Description

В представленном учебнике рассматриваются базовые аспекты профессиональной части дисциплин, непосредственно связанных с технологиями работы с большими данными, например, «Компьютерный анализ», «Большие данные», «Слияние данных» и т.п. профессионального учебного цикла по специальностям среднего профессионального образования «Прикладная математика и информатика», «Информационные системы» и «Организация и технология защиты информации».
Рассмотрены основные аспекты работы с большими данными, методы и технологии «Big Data» и «Data Mining», а также общие приемы интеллектуального анализа данных. В качестве инструментальной среды разработки используется интегрированный пакет MatLab версий 6.5 и выше.

Technical Details

author:	Журавлев Антон Евгеньевич, Макшанов Андрей Владимирович, Тындыкарь Любовь Николаевна
availabilityCode:	3
binding:	70x100 1/16
Color:	Белый
Cover:	твердый переплёт
ds:	25
ISBN:	978-5-507-46866-9,978-5-507-48145-3,978-5-8114-6811-9,978-5-8114-9834-5
language:	rus
page_extent:	188
series:	Компьютеры и программное обеспечение
table_of_contents:	ВВЕДЕНИЕ 1. ПАРАДИГМА МАШИННОГО ОБУЧЕНИЯ В ИНТЕЛЛЕКТУАЛЬНОМ АНАЛИЗЕ ДАННЫХ 1.1. Машинное обучение 1.2. Нейробиологическое направление в ИИ 1.3. Нейросети 1.4. Эволюционное моделирование как исследовательский метод 1.5. Г енетические алгоритмы 1.6. Ансамблевые методы: джекнайф и бутстрэп 1.7. Ансамблевые методы: бэггинг, бустинг, стекинг 2. ИЗВЛЕЧЕНИЕ ЗНАНИЙ 2.1. Виды знаний и способы их представления 2.2. Модели представления знаний 2.3. Извлечение знаний 2.4. Некоторые подходы к интеллектуальному анализу данных 2.5. Формирование знаний методами локальных геометрий 3. ИММУНОКОМПЬЮТИНГ 3.1. Вычислительная процедура сингулярного разложения матриц 3.2. Распознавание в пространстве проекций 3.3. Формирование индексов риска 3.4. Алгоритм формирования электронной цифровой подписи 4. КЛАСТЕРНЫЙ АНАЛИЗ 4.1. Кластеризация. Выбор метрики 4.2. Метод к средних и Е'М-алгоритм 4.3. Иерархическая кластеризация на основе дендрограммы 4.4. Оценка качества разделения 4.5. Кластер-анализ 4.6. Снижение размерности за счет выделения компонент 5. ПРОГНОЗНАЯ АНАЛИТИКА 5.1. Прогнозирование 5.2. Классификация методов прогнозирования 5.3. Временные ряды 5.4. Множественная регрессия 5.5. Адаптивная модель множественной регрессии 5.6. Прогнозирование МВР 5.7. Прогнозирование МВР в пространстве проекций 5.8. Анализ сингулярных спектров 5.9. Прецедентный анализ 6. СЛИЯНИЕ ДАННЫХ 6.1. Проблемы. Оценивание в условиях неопределенности 6.2. Комплексирование координатной оценки и оценки пеленга 6.3. Байесовское слияние 6.4. Примеры комплексирования данных 7. МАШИНЫ ОПОРНЫХ ВЕКТОРОВ 7.1. Постановка задачи 7.2. Идея метода опорных векторов 7.3. Разделение полосой на плоскости 7.4. Случай отсутствия линейной отделимости 7.5. Развитие метода 7.6. Регрессионный анализ на базе метода опорных векторов 8. НЕЙРОМАТЕМАТИКА 8.1. Пример: персептрон Розенблатта 8.2. Краткий исторический обзор 8.3. Архитектура нейронных сетей 8.4. Области применения нейронных сетей 9. НЕЙРОННЫЕ СЕТИ 9.1. Распространение ошибок 9.2
topCategoryId:	2665
Type:	book
Weight:	380
year:	2022
Высота:	13
Длина:	242
Ширина:	171