База данных: Каталог ЭБС IPR SMART
Страница 1, Результатов: 7
Отмеченные записи: 0
1.
Подробнее
Кадырова, Н. О.
Статистический анализ больших данных: подход на основе машин опорных векторов : учебное пособие / Кадырова Н. О. - Санкт-Петербург : Санкт-Петербургский политехнический университет Петра Великого, 2022. - 60 с. - ISBN 978-5-7422-7813-9 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.172
Кл.слова (ненормированные):
svm-классификатор -- большие данные -- опорный вектор -- статистический анализ
Аннотация: Соответствует содержанию федеральной дисциплины «Машины опорных векторов» государственного образовательного стандарта по направлению подготовки бакалавров 01.03.02 «Прикладная математика и информатика», специальность 01.03.02_02 «Системное программирование». Рассмотрены основные принципы и идеи современного подхода к решению задачи восстановления зависимостей по эмпирическим данным. Приведены основные базовые идеи реализации SVM-методов. Сделан обзор наиболее эффективных алгоритмов построения машин опорных векторов для задач бинарной классификации, кластеризации и восстановления регрессии. Предназначено для студентов, обучающихся по бакалаврским и магистерским программам, а также для аспирантов, изучающих методы и алгоритмы машинного обучения.
Доп.точки доступа:
Павлова, Л. В.
Кадырова, Н. О.
Статистический анализ больших данных: подход на основе машин опорных векторов : учебное пособие / Кадырова Н. О. - Санкт-Петербург : Санкт-Петербургский политехнический университет Петра Великого, 2022. - 60 с. - ISBN 978-5-7422-7813-9 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
svm-классификатор -- большие данные -- опорный вектор -- статистический анализ
Аннотация: Соответствует содержанию федеральной дисциплины «Машины опорных векторов» государственного образовательного стандарта по направлению подготовки бакалавров 01.03.02 «Прикладная математика и информатика», специальность 01.03.02_02 «Системное программирование». Рассмотрены основные принципы и идеи современного подхода к решению задачи восстановления зависимостей по эмпирическим данным. Приведены основные базовые идеи реализации SVM-методов. Сделан обзор наиболее эффективных алгоритмов построения машин опорных векторов для задач бинарной классификации, кластеризации и восстановления регрессии. Предназначено для студентов, обучающихся по бакалаврским и магистерским программам, а также для аспирантов, изучающих методы и алгоритмы машинного обучения.
Доп.точки доступа:
Павлова, Л. В.
2.
Подробнее
Целых, А. Н.
Применение временных рядов для анализа больших данных : учебное пособие по курсу «Математические методы анализа больших данных» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2021. - 84 с. - ISBN 978-5-9275-3983-3 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 22.193
Кл.слова (ненормированные):
большие данные -- временной ряд -- метод зейделя -- полиномы чебышёва
Аннотация: Пособие посвящено рассмотрению теоретических подходов к разработке «быстрых» алгоритмов, пригодных для обработки массивов больших данных, и соответствующих структур данных. Практический аспект включает корреляционный анализ, спектральный анализ, выделение трендов и циклических составляющих, оценивание параметров моделей ARIMA, GARCH и прогнозирование на их основе значений временных рядов. Пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям 09.04.03 «Прикладная информатика» (направленность программы: «Машинное обучение и технологии больших данных») по курсу «Математические методы анализа больших данных» и 10.03.01 «Информационная безопасность» (направленность программы: «Информационно-аналитические системы безопасности») по курсу «Методы интеллектуального анализа данных».
Доп.точки доступа:
Васильев, В. С.
Котов, Э. М.
Целых, А. Н.
Применение временных рядов для анализа больших данных : учебное пособие по курсу «Математические методы анализа больших данных» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2021. - 84 с. - ISBN 978-5-9275-3983-3 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
большие данные -- временной ряд -- метод зейделя -- полиномы чебышёва
Аннотация: Пособие посвящено рассмотрению теоретических подходов к разработке «быстрых» алгоритмов, пригодных для обработки массивов больших данных, и соответствующих структур данных. Практический аспект включает корреляционный анализ, спектральный анализ, выделение трендов и циклических составляющих, оценивание параметров моделей ARIMA, GARCH и прогнозирование на их основе значений временных рядов. Пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям 09.04.03 «Прикладная информатика» (направленность программы: «Машинное обучение и технологии больших данных») по курсу «Математические методы анализа больших данных» и 10.03.01 «Информационная безопасность» (направленность программы: «Информационно-аналитические системы безопасности») по курсу «Методы интеллектуального анализа данных».
Доп.точки доступа:
Васильев, В. С.
Котов, Э. М.
3.
Подробнее
Полтавцева, М. А.
Высокопроизводительные системы обнаружения вторжений : учебное пособие / Полтавцева М. А. - Москва, Вологда : Инфра-Инженерия, 2023. - 152 с. - ISBN 978-5-9729-1213-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.973
Кл.слова (ненормированные):
большие данные -- вторжение -- высокопроизводительные системы -- информация -- компьютерная сеть
Аннотация: Рассмотрено построение высокопроизводительных систем обнаружения вторжений в компьютерных сетях и киберфизических системах. Приведены понятие и принципы обработки больших данных, архитектура систем высокой нагрузки, методы предобработки информации при обнаружении вторжений. Рассмотрены различные методы обнаружения вторжений, включая новые подходы на основе технологий искусственного интеллекта. Для студентов, обучающихся по направлению «Информационная безопасность», и преподавателей, специализирующихся в области информационной безопасности. Может быть полезно широкому кругу специалистов, интересующихся вопросами обнаружения вторжений в системах с большим объемом циркулирующих данных.
Доп.точки доступа:
Лаврова, Д. С.
Полтавцева, М. А.
Высокопроизводительные системы обнаружения вторжений : учебное пособие / Полтавцева М. А. - Москва, Вологда : Инфра-Инженерия, 2023. - 152 с. - ISBN 978-5-9729-1213-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
большие данные -- вторжение -- высокопроизводительные системы -- информация -- компьютерная сеть
Аннотация: Рассмотрено построение высокопроизводительных систем обнаружения вторжений в компьютерных сетях и киберфизических системах. Приведены понятие и принципы обработки больших данных, архитектура систем высокой нагрузки, методы предобработки информации при обнаружении вторжений. Рассмотрены различные методы обнаружения вторжений, включая новые подходы на основе технологий искусственного интеллекта. Для студентов, обучающихся по направлению «Информационная безопасность», и преподавателей, специализирующихся в области информационной безопасности. Может быть полезно широкому кругу специалистов, интересующихся вопросами обнаружения вторжений в системах с большим объемом циркулирующих данных.
Доп.точки доступа:
Лаврова, Д. С.
4.
Подробнее
Целых, А. Н.
Извлечение знаний методами машинного обучения : учебное пособие по курсам «Модели и методы инженерии знаний», «Методы машинного обучения» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2022. - 105 с. - ISBN 978-5-9275-4215-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
большие данные -- выборка -- знания -- информатика -- информация -- машинное обучение -- прогностический метод
Аннотация: Пособие посвящено рассмотрению теоретических подходов к извлечению информации из текстов, рассмотрению и систематизации прогностических методов и моделей в маркетинге и интернет-рекламе, на основе выборки больших данных. В данном пособии рассмотрено применение машинного обучения при построении рекомендательных систем. Пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям 10.03.01 «Информационная безопасность» (направленность программы: «Информационно-аналитические системы безопасности») по курсу «Модели и методы инженерии знаний» и 09.04.03 «Прикладная информатика» (направленность программы: «Машинное обучение и технологии больших данных») по курсу «Методы машинного обучения».
Доп.точки доступа:
Котов, Э. М.
Целых, А. Н.
Извлечение знаний методами машинного обучения : учебное пособие по курсам «Модели и методы инженерии знаний», «Методы машинного обучения» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2022. - 105 с. - ISBN 978-5-9275-4215-4 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
большие данные -- выборка -- знания -- информатика -- информация -- машинное обучение -- прогностический метод
Аннотация: Пособие посвящено рассмотрению теоретических подходов к извлечению информации из текстов, рассмотрению и систематизации прогностических методов и моделей в маркетинге и интернет-рекламе, на основе выборки больших данных. В данном пособии рассмотрено применение машинного обучения при построении рекомендательных систем. Пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям 10.03.01 «Информационная безопасность» (направленность программы: «Информационно-аналитические системы безопасности») по курсу «Модели и методы инженерии знаний» и 09.04.03 «Прикладная информатика» (направленность программы: «Машинное обучение и технологии больших данных») по курсу «Методы машинного обучения».
Доп.точки доступа:
Котов, Э. М.
5.
Подробнее
Целых, А. Н.
Принятие решений на основе методов машинного обучения : учебное пособие по курсам «Модели и методы инженерии знаний», «Методы анализа больших данных» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2022. - 113 с. - ISBN 978-5-9275-4246-8 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
бд -- большие данные -- диагноз -- машинное обучение -- медицина -- первая помощь -- принятие решений -- самодиагностика
Аннотация: Пособие посвящено рассмотрению подходов к разработке экспертной системы принятия решений для медицинских целей, с использованием больших данных для формирования требований к системе самодиагностики и оказания первой помощи. Практический аспект включает проектирование структуры БД диагнозов и разработку алгоритмы взаимодействия с ней, а так же разработку прототипа интерфейса администратора системы. Пособие предназначено для студентов высших учебных заведений, обучающихся по специальности 10.05.04 Информационно-аналитические системы безопасности (специализация: «Автоматизация информационно-аналитической деятельности») по курсу «Математические методы анализа больших данных» и направлению 10.03.01 Информационная безопасность (направленность: «Информационно-аналитические системы безопасности») по курсу «Модели и методы инженерии знаний».
Доп.точки доступа:
Драгныш, Н. В.
Котов, Э. М.
Целых, А. Н.
Принятие решений на основе методов машинного обучения : учебное пособие по курсам «Модели и методы инженерии знаний», «Методы анализа больших данных» / Целых А. Н. - Ростов-на-Дону, Таганрог : Издательство Южного федерального университета, 2022. - 113 с. - ISBN 978-5-9275-4246-8 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
бд -- большие данные -- диагноз -- машинное обучение -- медицина -- первая помощь -- принятие решений -- самодиагностика
Аннотация: Пособие посвящено рассмотрению подходов к разработке экспертной системы принятия решений для медицинских целей, с использованием больших данных для формирования требований к системе самодиагностики и оказания первой помощи. Практический аспект включает проектирование структуры БД диагнозов и разработку алгоритмы взаимодействия с ней, а так же разработку прототипа интерфейса администратора системы. Пособие предназначено для студентов высших учебных заведений, обучающихся по специальности 10.05.04 Информационно-аналитические системы безопасности (специализация: «Автоматизация информационно-аналитической деятельности») по курсу «Математические методы анализа больших данных» и направлению 10.03.01 Информационная безопасность (направленность: «Информационно-аналитические системы безопасности») по курсу «Модели и методы инженерии знаний».
Доп.точки доступа:
Драгныш, Н. В.
Котов, Э. М.
6.
Подробнее
Параскевов, А. В.
Большие данные : учебник / Параскевов А. В. - Москва, Вологда : Инфра-Инженерия, 2024. - 148 с. - ISBN 978-5-9729-2120-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.972
Кл.слова (ненормированные):
большие данные -- группировка данных -- кластерный анализ -- регрессионный анализ
Аннотация: Рассмотрены ключевые характеристики и технические особенности группировки данных, наглядно проиллюстрированы процессы систематизации, изложены виды анализа методы и способы практического применения в разных сферах деятельности. Для обучающихся по направлениям подготовки 09.03.01 «Информатика и вычислительная техника», 09.03.02 «Информационные системы и технологии», 09.03.03 «Прикладная информатика», 09.02.03 «Программирование в компьютерных системах», 09.03.04 «Программная инженерия», 38.03.05 «Бизнес-информатика».
Доп.точки доступа:
Сергеев, А. Э.
Параскевов, А. В.
Большие данные : учебник / Параскевов А. В. - Москва, Вологда : Инфра-Инженерия, 2024. - 148 с. - ISBN 978-5-9729-2120-1 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
большие данные -- группировка данных -- кластерный анализ -- регрессионный анализ
Аннотация: Рассмотрены ключевые характеристики и технические особенности группировки данных, наглядно проиллюстрированы процессы систематизации, изложены виды анализа методы и способы практического применения в разных сферах деятельности. Для обучающихся по направлениям подготовки 09.03.01 «Информатика и вычислительная техника», 09.03.02 «Информационные системы и технологии», 09.03.03 «Прикладная информатика», 09.02.03 «Программирование в компьютерных системах», 09.03.04 «Программная инженерия», 38.03.05 «Бизнес-информатика».
Доп.точки доступа:
Сергеев, А. Э.
7.
Подробнее
Сараджишвили, С. Э.
Цифровая обработка многомерных сигналов и Большие Данные : учебное пособие / Сараджишвили С. Э. - Санкт-Петербург : Санкт-Петербургский политехнический университет Петра Великого, 2023. - 183 с. - ISBN 978-5-7422-7890-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.940
Кл.слова (ненормированные):
big data -- z-преобразование -- бих-фильтр -- большие данные -- ких-фильтр -- многомерный сигнал -- программная инженерия -- фурье-преобразование -- цифровая обработка
Аннотация: Соответствует специальности 09.04.04 «Программная инженерия». Учебное пособие содержит последовательное изложение теоретических основ цифровой обработки многомерных сигналов. Рассматриваются характеристики систем, многомерные Фурье- и Z-преобразования для анализа сигналов и систем, вопросы быстрых алгоритмов фильтрации, особенности построения многомерных КИХ- и БИХ-фильтров, а также использования Microsoft Power BI в цифровой обработке многомерных сигналов. Предназначено для студентов высших учебных заведений, обучающихся по направлениям подготовки магистров «Системный анализ и управление», «Программная инженерия» и «Информатика и вычислительная техника». Также может использоваться в системах повышения квалификации, в учреждениях дополнительного профессионального образования.
Доп.точки доступа:
Воронков, И. А.
Сараджишвили, С. Э.
Цифровая обработка многомерных сигналов и Большие Данные : учебное пособие / Сараджишвили С. Э. - Санкт-Петербург : Санкт-Петербургский политехнический университет Петра Великого, 2023. - 183 с. - ISBN 978-5-7422-7890-0 : Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
big data -- z-преобразование -- бих-фильтр -- большие данные -- ких-фильтр -- многомерный сигнал -- программная инженерия -- фурье-преобразование -- цифровая обработка
Аннотация: Соответствует специальности 09.04.04 «Программная инженерия». Учебное пособие содержит последовательное изложение теоретических основ цифровой обработки многомерных сигналов. Рассматриваются характеристики систем, многомерные Фурье- и Z-преобразования для анализа сигналов и систем, вопросы быстрых алгоритмов фильтрации, особенности построения многомерных КИХ- и БИХ-фильтров, а также использования Microsoft Power BI в цифровой обработке многомерных сигналов. Предназначено для студентов высших учебных заведений, обучающихся по направлениям подготовки магистров «Системный анализ и управление», «Программная инженерия» и «Информатика и вычислительная техника». Также может использоваться в системах повышения квалификации, в учреждениях дополнительного профессионального образования.
Доп.точки доступа:
Воронков, И. А.
Страница 1, Результатов: 7