Технологии интеллектуального анализа данных - все книги по дисциплине. Издательство Лань

В настоящее время во многих вузах сокращается количество часов, отводимых на контактную работу со студентами на аудиторных занятиях, что приводит к увеличению числа групп студентов, с которыми работает один преподаватель в рамках своей дисциплины. Имея более 300 студентов, преподаватель сталкивается с проблемой обеспечения индивидуального подхода в обучении по своей дисциплине. Одним из решений указанной проблемы является использование данного учебного пособия.
Пособие содержит многовариантные задания для организации самостоятельной работы студентов для решения профессиональных задач с использованием информационных технологий и языка программирования Python. Пособие состоит из трех частей: «Справочные материалы», «Задания для самостоятельного выполнения» и «Приложения». Задания для самостоятельного выполнения являются разноуровневыми и мультивариантными. Мультивариантость самостоятельной работы обеспечивается использованием соответствующих программ на языке программирования Python, которые позволяют сформировать индивидуальный набор входных параметров для выполнения конкретного задания для каждого студента. Такая организация самостоятельной работы дает возможность каждому студенту работать по индивидуальным заданиям, что важно при реализации индивидуального подхода в обучении. Пособие позволяет организовать самостоятельную работу студентов по индивидуальным образовательным траекториям в различных формах. Например, в форме домашней работы, контрольной работы, как дополнительные задания при контактном обучении.
Преподаватель может составить образовательную траекторию с учетом направления подготовки или специализации, а также формы обучения студентов (очная, заочная и очно-заочная). На основании этой траектории каждый студент получает возможность работать по индивидуальной образовательной траектории.
К книге прилагаются дополнительные материалы, доступные в электронной библиотечной системе «Лань» по ссылке или QR-коду, указанным ниже.

В учебном пособии освещены современные методы и инструменты, применяемые для анализа данных и работы с интеллектуальными системами в цифровой экономике. Основное внимание уделено интеграции теоретических знаний и практических навыков в анализе данных, использовании методов машинного обучения и математического моделирования при решении экономических задач. Подробно рассмотрена роль аналитических методов в прогнозировании экономических процессов и стратегическом планировании.
Пособие предназначено для студентов бакалавриата по направлению «Экономика» (направленность «Цифровая экономика»), а также для аспирантов, преподавателей и профессионалов, работающих в сфере анализа данных и стратегического управления в условиях цифровизации экономики.

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.

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.

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.

В учебнике излагается содержание курса по дисциплине «Теория информационных процессов и систем», а также дополнительные материалы по дисциплинам «Системы поддержки принятия решений» и «Технологии интеллектуального анализа данных» по направлению «Информационные системы и технологии», в том числе профиля «Информационные технологии на транспорте» в соответствии с ФГОС 3++. 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. Учебник предназначен для формирования у студентов компетенций в соответствии с рабочей программой дисциплины «Теория информационных процессов и систем». Материалы учебника также могут быть использованы студентами, магистрантами и аспирантами других инженерно-технических специальностей, желающими самостоятельно изучить вопросы анализа больших данных.

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.

Учебник посвящен способам преобразования случайных величин от равномерного закона распределения вероятностей к произвольному. Книге присущи черты справочного издания, поскольку авторы старались охватить достаточно широкий круг распределений, упоминая области их применения и цитируя как первоисточники, так и более поздние прикладные или обзорные работы.
Учебник рассчитан на широкий круг студентов и специалистов, областью интересов которых являются методы статистического моделирования разнообразных явлений.

В учебнике рассматриваются вопросы стохастического моделирования динамических систем на основе результатов мониторинга их состояния. Все материалы условно разделяются на задачи анализа рядов наблюдений (предварительная обработка и дескриптивный анализ, статистическая проверка свойств рядов наблюдений, сглаживание, фильтрация, корреляционный и спектральный анализ рядов наблюдений) и задачи построения стохастических моделей и прогнозирования.

Главной особенностью учебника является акцент на практическом усвоении теоретического материала. Большинство тем представлено в виде сжатого изложения теории рассматриваемого вопроса с развернутыми примерами ее реализации в форме прикладных алгоритмов и программ в среде Матлаб. Приведены задачи с вариантами решений.

Учебник предназначен для студентов очной формы обучения по направлениям подготовки «Информационные системы и технологии» и «Системный анализ и управление» в рамках рабочих программ дисциплин «Стохастическое моделирование», «Интеллектуальный анализ данных», «Системный анализ, оптимизация и принятие решений» и «Управление в организационных системах». Также книга может быть использована студентам заочного отделения по указанной выше специальности.