книга Статистические методы интеллектуального анализа данных

Издание содержит основные теоретические сведения по технологиям интеллектуального анализа данных, таким как кластеризация данных, искусственные нейронные сети, генетические алгоритмы, нечеткое моделирование. Приведены примеры и задания для их реализации в вычислительной среде Scilab • Учебник предназначен для студентов, обучающихся по направлениям подготовки «Информационная безопасность» направленность «Организация и технология защиты информации» и «Компьютерная безопасность», направленность «Математические методы защиты информации», изучающих технологии и методы интеллектуального анализа данных

Показаны технологии интеллектуального анализа данных. Особое внимание уделено задачам кластеризации и классификации. Приводится характеристика методов, алгоритмов и этапы решения этих задач с закреплением полученных знаний в виде выполнения лабораторных работ • Для студентов, обучающихся по направлениям подготовки укрупненной группы «Информатика и вычислительная техника», а также смежным направлениям подготовки и специальностям: «Прикладная математика и информатика», «Системный анализ и управление», «Прикладная математика». Может быть полезно аспирантам и научным работникам, которые в своей деятельности используют модели и методы искусственного интеллекта

Учебник создан в соответствии с Федеральным государственным образовательным стандартом по направлению магистратуры «Информационные системы и технологии» • Рассмотрен комплекс проблем разработки, функционирования и проектирования процессов и систем в рамках интеллектуального анализа данных. Материал, изложенный в книге, развивает фундаментальные знания в области информационных технологий и обобщает опыт прикладных разработок в данной области • В работе излагаются современное состояние теоретических и прикладных вопросов технологий в информационных системах, идеология построения интеллектуальных систем и технологий, математический аппарат представления знаний и пути использования интеллектуального анализа при проектировании информационных систем

Системно излагаются основы интеллектуального анализа данных средствами современных систем управления базами данных (СУБД). В качестве примера выбрана СУБД Microsoft SQL Server 2019. Рассматриваются основные задачи интеллектуального анализа данных, распространенные алгоритмы, язык запросов DMX (Data Mining eXtensions to SQL), особенности проведения анализа в среде СУБД Microsoft SQL Server 2019. Наряду с теоретическими материалами, учебник включает описания лабораторных работ, позволяющих выработать практические навыки решения задач интеллектуального анализа данных • Учебник предназначен для студентов вузов, обучающихся по направлениям подготовки, связанным с разработкой и использованием информационных систем и технологий

В пособии излагается содержание курса по дисциплине «Технологии интеллектуального анализа данных» по направлению «Информационные системы и технологии», в том числе профиля «Информационные технологии на транспорте» в соответствии с ФГОС 3.0. В качестве инструментальной среды разработки используется интегрированный пакет MatLab версий 6.5 и выше • Учебное пособие предназначено для формирования у студентов компетенций в соответствии с рабочей программой дисциплины «Технологии интеллектуального анализа данных». Материалы пособия также могут быть использованы студентами, магистрантами и аспирантами других инженерно-технических специальностей, желающими самостоятельно изучить вопросы анализа экспериментальных данных

В учебном пособии излагаются материалы дисциплин, непосредственно связанных с технологиями анализа данных, 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» • В представленном пособии рассмотрены основные приемы интеллектуального анализа данных, ориентированные на обретение профессиональных компетенций в виде лабораторного практикума. В качестве инструментальной среды разработки используется интегрированный пакет MatLab версий 6.5 и выше • Материалы пособия также могут быть использованы студентами, магистрантами и аспирантами других инженерно-технических специальностей, желающими самостоятельно изучить вопросы анализа экспериментальных данных

Основное внимание в пособии уделено постановке задач, формулировке методов их решения, алгоритмам и программам моделирования обработки экспериментальных данных с применением широких возможностей пакета MathCad. Наряду с материалом, используемым в рамках традиционных разделов теории вероятностей и математической статистики, в лабораторный компьютерный практикум включена тематика задач по планированию эксперимента и обработке данных. Результаты расчетов, иллюстрирующие теоретические разделы, получены с помощью приведенных в учебном пособии программ. Они могут быть использованы для интерактивного и вариантного анализа задач • Для студентов технических и экономических направлений и специальностей вузов

В пособии рассматривается использование пакета программ WEKA для решения задач классификации и кластеризации • Учебное пособие предназначено для студентов вузов, обучающихся по направлениям подготовки бакалавров «Системный анализ и управление» и «Информационные системы и технологии». Оно может быть также использовано при обучении студентов других направлений подготовки и в учреждениях дополнительного профессионального образования

Книга посвящена изложению некоторых простых, но важных методов обработки числовых результатов наблюдений. Эти методы стали в последнее время обязательным этапом каждого исследования.u003Cbru003E Настоящая книга является попыткой изложения большого числа классических методов анализа и обработки наблюдений на минимальной аналитической основе. В ней излагаются важнейшие оценки нормально распределенной случайной величины, сравнение и анализ серий наблюдений. Приводятся элементарные доказательства основных формул дисперсионного, корреляционного и регрессионного анализа, некоторые принципы планирования эксперимента и последовательного анализа. В начале книги излагается необходимый минимум сведений из теории вероятностей и общей теории наблюдений

Книга отражает актуальный уровень развития численных методов и алгоритмов, ориентированных на применение современной вычислительной техники и позволяющих проводить количественный анализ математических моделей широкого класса реальных природных, социальных и технических объектов • Изложены методы решения задач линейной алгебры, систем нелинейных алгебраических уравнений, интерполяция функций, методы численного интегрирования и дифференцирования, численные методы решения задачи Коши и краевых задач для систем обыкновенных дифференциальных уравнений. Приведены основы общей теории разностных схем и ее применение к построению и анализу методов численного решения эллиптических, параболических и гиперболических уравнений, а также численные методы решения интегральных уравнений