Электронный каталог


 

База данных: Каталог ЭБС IPR SMART

Страница 1, Результатов: 2

Отмеченные записи: 0

26445

    Анализ данных. Часть 2. Инструменты Data Mining : учебное пособие. - [Б. м.] : Московский городской педагогический университет, 2012 - .Анализ данных. Часть 2. Инструменты Data Mining / Федин Ф. О. - 2012. - 308 с. - ISBN 978-5-8154-0243-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.

УДК
ББК 32.81

Кл.слова (ненормированные):
анализ данных -- Data Mining -- интеллектуальный анализ -- аналитическая платформа -- кластерный анализ -- линейная регрессия -- деревья решений
Аннотация: Книга состоит из двух частей. Первая часть содержит теоретические основы консолидации, трансформации, визуализации, оценки качества, очистки и предобработки данных, построения информационных хранилищ корпорации. Вторая часть посвящается методам интеллектуального анализа данных, применяемым в современных аналитических платформах. Для студентов, аспирантов и преподавателей, занимающихся технологиями хранения и анализа данных.

Доп.точки доступа:
Федин, Ф. Ф.

Анализ данных. Часть 2. Инструменты Data Mining [Электронный ресурс] : Учебное пособие. Анализ данных. Часть 2. Инструменты Data Mining / Федин Ф. О., 2012. - 308 с.

1.

Анализ данных. Часть 2. Инструменты Data Mining [Электронный ресурс] : Учебное пособие. Анализ данных. Часть 2. Инструменты Data Mining / Федин Ф. О., 2012. - 308 с.


26445

    Анализ данных. Часть 2. Инструменты Data Mining : учебное пособие. - [Б. м.] : Московский городской педагогический университет, 2012 - .Анализ данных. Часть 2. Инструменты Data Mining / Федин Ф. О. - 2012. - 308 с. - ISBN 978-5-8154-0243-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.

УДК
ББК 32.81

Кл.слова (ненормированные):
анализ данных -- Data Mining -- интеллектуальный анализ -- аналитическая платформа -- кластерный анализ -- линейная регрессия -- деревья решений
Аннотация: Книга состоит из двух частей. Первая часть содержит теоретические основы консолидации, трансформации, визуализации, оценки качества, очистки и предобработки данных, построения информационных хранилищ корпорации. Вторая часть посвящается методам интеллектуального анализа данных, применяемым в современных аналитических платформах. Для студентов, аспирантов и преподавателей, занимающихся технологиями хранения и анализа данных.

Доп.точки доступа:
Федин, Ф. Ф.

143351
Татарникова, Т. М.
    Интеллектуальный анализ данных : учебное пособие / Татарникова Т. М. - Москва, Вологда : Инфра-Инженерия, 2024. - 172 с. - ISBN 978-5-9729-1772-3 : Б. ц.
Книга находится в Премиум-версии IPR SMART.

УДК
ББК 32.973

Кл.слова (ненормированные):
анализ данных -- деревья решений -- лабораторные работы -- нейронные сети
Аннотация: 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.

Татарникова, Т. М. Интеллектуальный анализ данных [Электронный ресурс] : Учебное пособие / Татарникова Т. М., 2024. - 172 с.

2.

Татарникова, Т. М. Интеллектуальный анализ данных [Электронный ресурс] : Учебное пособие / Татарникова Т. М., 2024. - 172 с.


143351
Татарникова, Т. М.
    Интеллектуальный анализ данных : учебное пособие / Татарникова Т. М. - Москва, Вологда : Инфра-Инженерия, 2024. - 172 с. - ISBN 978-5-9729-1772-3 : Б. ц.
Книга находится в Премиум-версии IPR SMART.

УДК
ББК 32.973

Кл.слова (ненормированные):
анализ данных -- деревья решений -- лабораторные работы -- нейронные сети
Аннотация: 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.

Страница 1, Результатов: 2

 

Все поступления за 
Или выберите интересующий месяц