Анализ данных - все книги по дисциплине. Издательство Лань

Это пособие не только предоставляет теоретическую основу анализа данных, но и акцентирует внимание на том, как эти знания могут быть применены в разнообразных отраслях и сферах деятельности. Студенты и преподаватели обнаружат взаимосвязь между традиционными методами анализа данных и современными подходами, основанными на машинном обучении и больших данных, через широкий спектр практических примеров и кейс-стади.
Книга адресована студентам, обучающимся в колледжах по образовательным программам среднего профессионального образования. Соответствует современным требованиям Федерального государственного образовательного стандарта среднего профессионального образования и профессиональным квалификационным требованиям.

В книге рассмотрены наиболее популярные методы и модели предсказательной аналитики данных, представленных временными рядами. Дана их характеристика, выполнен сравнительный анализ. Приведены примеры решения задач прогнозирования для классических и синтезированных наборов данных. В качестве инструмента решения задач прогнозирования был выбран язык R и интегрированная среда разработки RStudio. Их выбор обусловлен ориентацией языка и интегрированной среды на решение задач аналитики, появлением философии аккуратного (опрятного) программирования, которая существенно изменяет традиционные подходы к их использованию при прогнозировании временных рядов.
Книга может быть полезна как студентам, магистрантам и аспирантам, изучающим методы прогнозирования, анализа данных, машинного обучения, предсказательной аналитики, искусственного интеллекта, теорию data science, так и аналитикам, начинающим осваивать данные методы для применения в своей практической деятельности. Содержание книги предполагает, что ее читатели имеют базовые знания о языке R, начальный опыт использования языка R и интегрированной среды разработки RStudio. Поэтому в ней не рассмотрены основы языка и организации применения данной среды.

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.
Рассматриваются новые аспекты представления знаний на основе экспертных систем, мультиагентных систем, искусственных нейронных сетей, генетических алгоритмов. Большое внимание уделено вопросам использования прикладных интеллектуальных технологий.
Для студентов учреждений высшего профессионального образования.
Может быть полезен разработчикам и пользователям интеллектуальных систем; преподавателям и научным сотрудникам, сферой интересов которых является интеллектуализация различных предметных областей; менеджерам и руководителям различного ранга; желающих самостоятельно ознакомиться с современным состоянием информационных технологий.

Учебное пособие содержит изложение методов и алгоритмов математической статистики, решения задач фильтрации, аппроксимации, спектрального и гармонического анализа, возникающих при обработке и анализе экспериментальных данных
Приводятся необходимые теоретические положения и соответствующие расчетные соотношения. Отдельное внимание уделяется реализации этих соотношений в математическом пакете MathCAD и табличном процессоре Excel. В пособии приведено большое количество примеров и копий фрагментов документов, которые позволят студентам не только лучше понять и усвоить учебный материал,
но и эффективно использовать эти приложения при выполнении курсовых и выпускных квалификационных работ.
Пособие предназначено для бакалавров и магистрантов, обучающихся по направлению подготовки «Строительство», и аспирантов направления «Техника и технологии строительства», а также будет весьма полезным магистрантам, аспирантам и преподавателям при изучении дисциплин, связанных с обработкой экспериментальных данных.

В учебнике рассмотрены теория и практика статистической деятельности в России в условиях новых вызовов со стороны быстроменяющихся социально-экономических явлений в период становления цифровой экономики.

Учебник предназначен для бакалавров, магистров экономических и информационных направлений и программ подготовки, аспирантов и преподавателей вузов.

В учебном пособии приводится описание двух систем логического анализа данных, предназначенных для выявления в данных if-then правил. Первая система относится к наиболее представительному и популярному направлению, связанному с построением деревьев решений. Вторая система реализует метод ограниченного перебора. Описание систем сопровождается подробно разобранными примерами из различных предметных областей.

Книга предназначена для студентов старших курсов, магистров, аспирантов, научных работников и других специалистов, изучающих современные методы анализа данных.

Книга содержит основные теоретические положения по следующим разделам регрессионного анализа экспериментальных данных: регрессионные модели и регрессионное моделирование, парный и множественный регрессионный анализ, построение регрессионных моделей на практике. Приводятся необходимые расчетные соотношения. Большое внимание уделяется реализации этих соотношений в математическом пакете Mathcad. Учебное пособие содержит большое количество примеров и копий фрагментов документов Mathcad, которые позволят читателям не только лучше понять и усвоить учебный материал, но и эффективно использовать пакет Mathcad при выполнении курсовых и дипломных работ, а также при работе над магистерскими и кандидатскими диссертациями. Файлы, включенные в прилагаемый CD, содержат документы Mathcad, позволяющие построить и проанализировать парные и множественные регрессионные модели. Это, с одной стороны, позволит читателю использовать эти документы для построения «своих» регрессионных моделей с минимальными затратами времени, а с другой стороны, послужит некоторым примером при составлении «своих» программ обработки данных. Книга рекомендуется студентам технических и экономических специальностей при изучении учебных дисциплин, включающих корреляционный и регрессионный анализ данных. Книга будет также полезна магистрантам, аспирантам, инженерам и научным сотрудникам при построении регрессионных моделей и эмпирических зависимостей по экспериментальным данным с использованием современных математических пакетов.