База данных: Каталог ЭБС IPR SMART
Страница 3, Результатов: 30
Отмеченные записи: 0
21.
Подробнее
Афанасьев, А. И.
Математическая обработка результатов эксперимента : учебник / Афанасьев А. И. - Москва : Ай Пи Ар Медиа, 2024. - 152 с. - ISBN 978-5-4497-2535-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.1
Кл.слова (ненормированные):
горная машина -- корреляция -- математическая модель -- механическая величина -- регрессия -- теория подобия -- эксперимент -- экспериментальное исследование
Аннотация: В учебнике изложены виды исследований, методы моделирования случайных процессов и динамических систем горных машин, основы теории планирования эксперимента, построения математических моделей и статистических проверок гипотез. Приведены основные теоремы и критерии подобия при моделировании процессов горных машин, основы регрессионного анализа. Подготовлен в соответствии с требованиями Федерального государственного образовательного стандарта высшего образования. Учебник предназначен для студентов, обучающихся по укрупненной группе специальностей и направлений подготовки высшего образования «Прикладная геология, горное дело, нефтегазовое дело и геодезия», изучающих дисциплину «Математическая обработка результатов эксперимента».
Доп.точки доступа:
Потапов, В. Я.
Афанасьев, А. И.
Математическая обработка результатов эксперимента : учебник / Афанасьев А. И. - Москва : Ай Пи Ар Медиа, 2024. - 152 с. - ISBN 978-5-4497-2535-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
горная машина -- корреляция -- математическая модель -- механическая величина -- регрессия -- теория подобия -- эксперимент -- экспериментальное исследование
Аннотация: В учебнике изложены виды исследований, методы моделирования случайных процессов и динамических систем горных машин, основы теории планирования эксперимента, построения математических моделей и статистических проверок гипотез. Приведены основные теоремы и критерии подобия при моделировании процессов горных машин, основы регрессионного анализа. Подготовлен в соответствии с требованиями Федерального государственного образовательного стандарта высшего образования. Учебник предназначен для студентов, обучающихся по укрупненной группе специальностей и направлений подготовки высшего образования «Прикладная геология, горное дело, нефтегазовое дело и геодезия», изучающих дисциплину «Математическая обработка результатов эксперимента».
Доп.точки доступа:
Потапов, В. Я.
22.
Подробнее
Протодьяконов, А. В.
Асимптотический анализ поведения прикладных моделей машинного обучения : учебное пособие / Протодьяконов А. В. - Москва, Вологда : Инфра-Инженерия, 2023. - 144 с. - ISBN 978-5-9729-1455-5 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.813
Кл.слова (ненормированные):
алгоритм anyboost -- алгоритм listbb -- логистическая регрессия -- машинное обучение
Аннотация: Представлена разработка и аналитика прикладных моделей машинного обучения, применяемых в высоконагруженных интеллектуальных системах промышленного уровня. Для студентов, изучающих информационные технологии. Может быть полезно специалистам прикладной сферы анализа данных.
Доп.точки доступа:
Дягилева, А. В.
Пылов, П. А.
Протодьяконов, А. В.
Асимптотический анализ поведения прикладных моделей машинного обучения : учебное пособие / Протодьяконов А. В. - Москва, Вологда : Инфра-Инженерия, 2023. - 144 с. - ISBN 978-5-9729-1455-5 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
алгоритм anyboost -- алгоритм listbb -- логистическая регрессия -- машинное обучение
Аннотация: Представлена разработка и аналитика прикладных моделей машинного обучения, применяемых в высоконагруженных интеллектуальных системах промышленного уровня. Для студентов, изучающих информационные технологии. Может быть полезно специалистам прикладной сферы анализа данных.
Доп.точки доступа:
Дягилева, А. В.
Пылов, П. А.
23.
Подробнее
Пылов, П. А.
Основы работы с моделями машинного и глубокого обучения : учебное пособие / Пылов П. А. - Москва, Вологда : Инфра-Инженерия, 2023. - 256 с. - ISBN 978-5-9729-1547-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.813
Кл.слова (ненормированные):
глубокое обучение -- гребневая регрессия -- машинное обучение -- нейронная сеть
Аннотация: Представлены необходимые инструменты для программной и математической разработки моделей прикладного машинного и глубокого обучения. Показаны базовые принципы и аспекты, которыми оперирует область Data Science. Дан ознакомительный экскурс по теоретической составляющей курса, для каждой рассмотренной модели машинного/глубокого обучения поставлена в соответствие её прикладная реализация. Для студентов, обучающихся по направлению подготовки «Искусственный интеллект». Может быть полезно специалистам в области искусственного интеллекта.
Доп.точки доступа:
Майтак, Р. В.
Дягилева, А. В.
Пылов, П. А.
Основы работы с моделями машинного и глубокого обучения : учебное пособие / Пылов П. А. - Москва, Вологда : Инфра-Инженерия, 2023. - 256 с. - ISBN 978-5-9729-1547-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
глубокое обучение -- гребневая регрессия -- машинное обучение -- нейронная сеть
Аннотация: Представлены необходимые инструменты для программной и математической разработки моделей прикладного машинного и глубокого обучения. Показаны базовые принципы и аспекты, которыми оперирует область Data Science. Дан ознакомительный экскурс по теоретической составляющей курса, для каждой рассмотренной модели машинного/глубокого обучения поставлена в соответствие её прикладная реализация. Для студентов, обучающихся по направлению подготовки «Искусственный интеллект». Может быть полезно специалистам в области искусственного интеллекта.
Доп.точки доступа:
Майтак, Р. В.
Дягилева, А. В.
24.
Подробнее
Эконометрическое моделирование : учебник / сост.: Д. В. Арясова, С. В. Овчинникова. - Тюмень : Тюменский индустриальный университет, 2023. - 162 с. - ISBN 978-5-9961-3056-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.18
Кл.слова (ненормированные):
временной ряд -- регрессионная модель -- регрессия -- эконометрика -- эконометрическое моделирование
Аннотация: В учебнике раскрываются основные понятия, сущность и содержание эконометрического моделирования. В учебник включены следующие разделы: парная регрессия, множественная регрессия, временные ряды. Подробно изучаются линейные регрессионные модели парной и множественной регрессии, предпосылки МНК, оценка качества моделей, спецификация модели. Отдельная глава посвящена временным рядам. Детально разобраны типовые задачи и модели, широко применяемые на практике. Каждый раздел содержит вопросы для контроля и самоконтроля. Учебник представляет интерес не только для обучающихся, но и для интересующихся таким видом деятельности, как эконометрическое моделирование. Учебник предназначен для студентов, обучающихся на IT-направлениях, и рекомендуется при изучении дисциплин «Эконометрика» и «Эконометрическое моделирование».
Доп.точки доступа:
Арясова, Д. В. \сост.\
Овчинникова, С. В. \сост.\
Эконометрическое моделирование : учебник / сост.: Д. В. Арясова, С. В. Овчинникова. - Тюмень : Тюменский индустриальный университет, 2023. - 162 с. - ISBN 978-5-9961-3056-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
временной ряд -- регрессионная модель -- регрессия -- эконометрика -- эконометрическое моделирование
Аннотация: В учебнике раскрываются основные понятия, сущность и содержание эконометрического моделирования. В учебник включены следующие разделы: парная регрессия, множественная регрессия, временные ряды. Подробно изучаются линейные регрессионные модели парной и множественной регрессии, предпосылки МНК, оценка качества моделей, спецификация модели. Отдельная глава посвящена временным рядам. Детально разобраны типовые задачи и модели, широко применяемые на практике. Каждый раздел содержит вопросы для контроля и самоконтроля. Учебник представляет интерес не только для обучающихся, но и для интересующихся таким видом деятельности, как эконометрическое моделирование. Учебник предназначен для студентов, обучающихся на IT-направлениях, и рекомендуется при изучении дисциплин «Эконометрика» и «Эконометрическое моделирование».
Доп.точки доступа:
Арясова, Д. В. \сост.\
Овчинникова, С. В. \сост.\
25.
Подробнее
Рыжков, А. П.
Основы теории и применения интеллектуальных методов анализа данных в информационных системах. В 2 частях. Ч.1 : учебное пособие / Рыжков А. П. - Тамбов : Тамбовский государственный технический университет, ЭБС АСВ, 2023. - 80 с. - ISBN 978-5-8265-2549-4, 978-5-8265-2557-9 (ч.1) : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.813
Кл.слова (ненормированные):
анализ данных -- информационные системы -- классификация -- регрессия
Аннотация: Рассмотрены базовые понятия интеллектуального анализа данных, основные методы обработки и анализа данных при решении задач классификации и регрессии. Освящены вопросы практического применения интеллектуальных методов анализа данных в информационных системах, дана характеристика используемых инструментальных средств, таких как Deductor Studio Academic и Loginom Community Edition, а также практические примеры использования указанных средств при решении задач классификации и регрессии. Предназначено для бакалавров направления подготовки 09.03.02 «Информационные системы и технологии», магистрантов направлений подготовки 09.04.02 «Информационные системы и технологии», 27.04.03 «Системный анализ и управление» очной и заочной форм обучения.
Доп.точки доступа:
Кулаков, Ю. В.
Рыжков, А. П.
Основы теории и применения интеллектуальных методов анализа данных в информационных системах. В 2 частях. Ч.1 : учебное пособие / Рыжков А. П. - Тамбов : Тамбовский государственный технический университет, ЭБС АСВ, 2023. - 80 с. - ISBN 978-5-8265-2549-4, 978-5-8265-2557-9 (ч.1) : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
анализ данных -- информационные системы -- классификация -- регрессия
Аннотация: Рассмотрены базовые понятия интеллектуального анализа данных, основные методы обработки и анализа данных при решении задач классификации и регрессии. Освящены вопросы практического применения интеллектуальных методов анализа данных в информационных системах, дана характеристика используемых инструментальных средств, таких как Deductor Studio Academic и Loginom Community Edition, а также практические примеры использования указанных средств при решении задач классификации и регрессии. Предназначено для бакалавров направления подготовки 09.03.02 «Информационные системы и технологии», магистрантов направлений подготовки 09.04.02 «Информационные системы и технологии», 27.04.03 «Системный анализ и управление» очной и заочной форм обучения.
Доп.точки доступа:
Кулаков, Ю. В.
26.
Подробнее
Хруничев, Р. В.
Прикладные статистические методы анализа : учебное пособие / Хруничев Р. В. - Рязань : Рязанский государственный радиотехнический университет, 2023. - 80 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.172
Кл.слова (ненормированные):
анализ -- гипотеза -- данные -- корреляция -- прикладной метод -- регрессия -- статистический метод
Аннотация: Содержит обучающие материалы и методики по решению прикладных задач статистического анализа данных. Предназначено для студентов высших учебных заведений всех форм обучения по направлениям подготовки: 02.03.00 «Компьютерные и информационные науки» (уровень – бакалавриат), 38.04.00 «Экономика и управление» (уровень – магистратура).
Хруничев, Р. В.
Прикладные статистические методы анализа : учебное пособие / Хруничев Р. В. - Рязань : Рязанский государственный радиотехнический университет, 2023. - 80 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
анализ -- гипотеза -- данные -- корреляция -- прикладной метод -- регрессия -- статистический метод
Аннотация: Содержит обучающие материалы и методики по решению прикладных задач статистического анализа данных. Предназначено для студентов высших учебных заведений всех форм обучения по направлениям подготовки: 02.03.00 «Компьютерные и информационные науки» (уровень – бакалавриат), 38.04.00 «Экономика и управление» (уровень – магистратура).
27.
Подробнее
Кремер, Н. Ш.
Эконометрика : учебник для студентов вузов / Кремер Н. Ш. - Москва : ЮНИТИ-ДАНА, 2023. - 328 с. - ISBN 978-5-238-01720-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 65.053
Кл.слова (ненормированные):
корреляция -- модель -- регрессия -- уравнение -- эконометрика
Аннотация: B учебнике излагаются основы эконометрики. Большое внимание уделяется классической (парной и множественной) и обобщенной моделям линейной регрессии, классическому и обобщенному методам наименьших квадратов, анализу временных рядов и систем одновременных уравнений, моделям с панельными данными. Обсуждаются различные аспекты многомерной регрессии: мультиколлинеарность, фиктивные переменные, спецификация и линеаризация модели, частная корреляция. Учебный материал сопровождается достаточным числом решенных задач и задач для самостоятельной работы. Для студентов, бакалавров и магистров экономических направлений и специальностей вузов, аспирантов, преподавателей и специалистов по прикладной экономике и финансам, лиц, обучающихся по программам MBA, второго высшего образования и проходящих профессиональную переподготовку или повышение квалификации.
Доп.точки доступа:
Путко, Б. А.
Кремера, Н. Ш. \ред.\
Кремер, Н. Ш.
Эконометрика : учебник для студентов вузов / Кремер Н. Ш. - Москва : ЮНИТИ-ДАНА, 2023. - 328 с. - ISBN 978-5-238-01720-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
корреляция -- модель -- регрессия -- уравнение -- эконометрика
Аннотация: B учебнике излагаются основы эконометрики. Большое внимание уделяется классической (парной и множественной) и обобщенной моделям линейной регрессии, классическому и обобщенному методам наименьших квадратов, анализу временных рядов и систем одновременных уравнений, моделям с панельными данными. Обсуждаются различные аспекты многомерной регрессии: мультиколлинеарность, фиктивные переменные, спецификация и линеаризация модели, частная корреляция. Учебный материал сопровождается достаточным числом решенных задач и задач для самостоятельной работы. Для студентов, бакалавров и магистров экономических направлений и специальностей вузов, аспирантов, преподавателей и специалистов по прикладной экономике и финансам, лиц, обучающихся по программам MBA, второго высшего образования и проходящих профессиональную переподготовку или повышение квалификации.
Доп.точки доступа:
Путко, Б. А.
Кремера, Н. Ш. \ред.\
28.
Подробнее
Факторный анализ преступности. Корреляционный и регрессионный методы : монография / Иншаков С. М. - Москва : ЮНИТИ-ДАНА, 2023. - 127 с. - ISBN 978-5-238-02282-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 67.511
Кл.слова (ненормированные):
корреляция -- математический метод -- преступность -- регрессия -- факторный анализ
Аннотация: Изложены математические методы факторного анализа. Представлены основные факторы, определяющие состояние преступности, а также их анализ методами корреляции и регрессии. Рассмотрен вопрос криминологического прогнозирования преступности на основе математических методов. Дана сравнительная характеристика зарегистрированных и фактических преступлений. Для работников правоохранительных органов, научных сотрудников, а также широкого круга лиц, интересующихся вопросом факторного анализа преступности методами математических вычислений.
Доп.точки доступа:
Иншаков, С. М.
Богданова, Л. Н.
Виноградова, А. Д.
Жигоцкий, П. Э.
Красникова, Е. В.
Саркисян, А. Ж.
Симонова, И. С.
Иншакова, С. М. \ред.\
Факторный анализ преступности. Корреляционный и регрессионный методы : монография / Иншаков С. М. - Москва : ЮНИТИ-ДАНА, 2023. - 127 с. - ISBN 978-5-238-02282-6 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
корреляция -- математический метод -- преступность -- регрессия -- факторный анализ
Аннотация: Изложены математические методы факторного анализа. Представлены основные факторы, определяющие состояние преступности, а также их анализ методами корреляции и регрессии. Рассмотрен вопрос криминологического прогнозирования преступности на основе математических методов. Дана сравнительная характеристика зарегистрированных и фактических преступлений. Для работников правоохранительных органов, научных сотрудников, а также широкого круга лиц, интересующихся вопросом факторного анализа преступности методами математических вычислений.
Доп.точки доступа:
Иншаков, С. М.
Богданова, Л. Н.
Виноградова, А. Д.
Жигоцкий, П. Э.
Красникова, Е. В.
Саркисян, А. Ж.
Симонова, И. С.
Иншакова, С. М. \ред.\
29.
Подробнее
Карпович, Е. Е.
Методы тестирования и отладки программного обеспечения : учебник / Карпович Е. Е. - Москва : Издательский Дом МИСиС, 2020. - 136 с. - ISBN 978-5-907226-64-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
организация проекта -- программное обеспечение -- регрессия -- тестирование
Аннотация: В учебнике рассмотрены традиционные методы тестирования программного обеспечения, рассматривающие программу как «белый ящик» или как «черный ящик», описана организация процесса тестирования в жизненном цикле программного обеспечения. Рассмотрены особенности объектно-ориентированного тестирования и методы регрессионного тестирования, а также методы и средства отладки программ. Учебник предназначен для студентов, обучающихся в бакалавриате по направлению подготовки 09.03.01 «Информатика и вычислительная техника».
Карпович, Е. Е.
Методы тестирования и отладки программного обеспечения : учебник / Карпович Е. Е. - Москва : Издательский Дом МИСиС, 2020. - 136 с. - ISBN 978-5-907226-64-7 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
организация проекта -- программное обеспечение -- регрессия -- тестирование
Аннотация: В учебнике рассмотрены традиционные методы тестирования программного обеспечения, рассматривающие программу как «белый ящик» или как «черный ящик», описана организация процесса тестирования в жизненном цикле программного обеспечения. Рассмотрены особенности объектно-ориентированного тестирования и методы регрессионного тестирования, а также методы и средства отладки программ. Учебник предназначен для студентов, обучающихся в бакалавриате по направлению подготовки 09.03.01 «Информатика и вычислительная техника».
30.
Подробнее
Сенько, О. В.
Цифровые методы диагностики и прогнозирования процессов : учебное пособие / Сенько О. В. - Москва : Издательский Дом МИСиС, 2016. - 85 с. - ISBN 978-5-906846-21-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
алгоритм -- диагностика -- искусственный нейрон -- линейная регрессия -- нейронная сеть -- программное средство -- статистическая модель -- цифровой метод
Аннотация: Изложены методы решения задач автоматического прогнозирования и диагностики процессов с помощью алгоритмов, настроенных по выборкам прецедентов. Описывается ряд методов регрессионного анализа, включая современные модели, основанные на регуляризации по Тихонову. Анализируются наиболее популярные подходы к решению задач распознавания, включая статистические модели, нейронные сети, решающие деревья и леса, комбинаторно-логические модели, метод опорных векторов и др. Рассматриваются статистически обоснованные способы оценки точности получаемых решений, сравниваются эффективности различных подходов. Приводится ряд примеров использования излагаемых методов для решения различных практических задач в разных отраслях промышленности. Соответствует ГОС дисциплины «Цифровые методы диагностики и прогнозирования процессов». Предназначено для магистров, аспирантов и специалистов.
Сенько, О. В.
Цифровые методы диагностики и прогнозирования процессов : учебное пособие / Сенько О. В. - Москва : Издательский Дом МИСиС, 2016. - 85 с. - ISBN 978-5-906846-21-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
алгоритм -- диагностика -- искусственный нейрон -- линейная регрессия -- нейронная сеть -- программное средство -- статистическая модель -- цифровой метод
Аннотация: Изложены методы решения задач автоматического прогнозирования и диагностики процессов с помощью алгоритмов, настроенных по выборкам прецедентов. Описывается ряд методов регрессионного анализа, включая современные модели, основанные на регуляризации по Тихонову. Анализируются наиболее популярные подходы к решению задач распознавания, включая статистические модели, нейронные сети, решающие деревья и леса, комбинаторно-логические модели, метод опорных векторов и др. Рассматриваются статистически обоснованные способы оценки точности получаемых решений, сравниваются эффективности различных подходов. Приводится ряд примеров использования излагаемых методов для решения различных практических задач в разных отраслях промышленности. Соответствует ГОС дисциплины «Цифровые методы диагностики и прогнозирования процессов». Предназначено для магистров, аспирантов и специалистов.
Страница 3, Результатов: 30