Аналіз даних та знань (Запис № 443255)

МАРК-запис
000 -Лідер
fixed length control field 11522 a2200277 4500
003 - Ідентифікатор контрольного номера
control field UA-OsUOA
005 - Дата та час останнього входження (трансакції)
control field 20191220155650.0
008 - Елементи даних фіксованої довжини – загальна інформація
fixed length control field 191220b un ||||| |||| 00| 0 ukr d
040 ## - Джерело каталогізації
Агенція оригінальної каталогізації UA-OsUOA
Мова каталогізації ukr
Агенція, яка здійснювала перезапис UA-OsUOA
Агенція, яка здійснювала модифікацію UA-OsUOA
041 ## - Код мови
Код мови тексту/ звукової доріжки чи окремого заголовка (П) ukr
080 ## - Індекс Універсальної десяткової класифікації
Індекс Універсальної десяткової класифікації (УДК) (НП) 004.8(075.8)
090 ## - Локальний шифр розміщення
Класифікаційний індекс УДК 004.8(075.8)
Авторський знак (НП) Л64
100 ## - Основне введення – ім’я особи
Ім’я особи (НП) Литвин В. В.
245 ## - Відомості про назву
Назва (НП) Аналіз даних та знань
Решта назви (НП) навч. посіб.
Дані про відповідальність (НП) В. В. Литвин, В. В. Пасічник, Ю. В. Нікольський
260 ## - Публікація, розповсюдження і т.п. (Вихідні дані)
Ім’я/ наймення видавництва, розповсюджувача і т.п. (П) Магнолія 2006
Дата публікації, розповсюдження і т.п. (П) 2017
Місце публікації, розповсюдження і т.п. (П) Львів
300 ## - Фізичний опис
Обсяг 276 с.
440 ## - Область серії / додатковий пошуковий ознака на назву серії
Заголовок Комп'ютинг
505 ## - Форматована примітка про зміст
Форматована примітка про зміст ЗМІСТ<br/><br/>Передмова наукового редактора......7<br/><br/>РОЗДІЛ 1. Інформація. Дані. Знання.....10<br/><br/>1. Поняття про інформацію......10<br/><br/>2. Інформаційні сигнали матеріального світу.......13<br/><br/>3. Знакове середовище існування інформації......13<br/><br/>4. Поняття про знакові системи............15<br/><br/>5. Форми знакового подання інформації....16<br/><br/>6. Інформація як результат взаємодії даних і методів.......17<br/><br/>7. Властивості взаємозв'язку інформації, даних і методів....19<br/><br/>8. Синтаксичні міри інформації.........20<br/><br/>9. Семантичні міри інформації....23<br/><br/>10. Прагматичні міри інформації......23<br/><br/>Контрольні запитання.........24<br/><br/>Розділ 2. Факторний аналіз.....25<br/><br/>2.1. Концепція факторного аналізу.......25<br/><br/>2.2. Основи факторного аналізу......26<br/><br/>2.3. Основні алгоритми та методи.....27<br/><br/>2.4. Методи виділення первинних факторів.....28<br/><br/>2.5. Головні компоненти, власні значення та вектори.......29<br/><br/>2.6. Методи факторного аналізу.......33<br/><br/>2.6.1. Метод найменших квадратів......34<br/><br/>2.6.2. Метод максимальної правдоподібності....35<br/><br/>2.6.3. Альфа-факторний аналіз......37<br/><br/>2.6.4. Аналіз образів.......38<br/><br/>2.7. Методи обертання.....40<br/><br/>2.7.1. Геометричний метод обертання......40<br/><br/>2.7.2. Метод ортогонального обертання......43<br/><br/>2.7.3. Методи косокутного обертання.....45<br/><br/>2.7.4. Обертання з використанням цільової матриці.....47<br/><br/>Контрольні запитання.....48<br/><br/>РОЗДІЛ 3. Дискримінантний аналіз....49<br/><br/>3.1. Суть дискримінантного аналізу......49<br/><br/>3.2. Канонічні дискримінантні функції......52<br/><br/>3.2.1. Геометрична інтерпретація......53<br/><br/>3.2.2. Кількість канонічних дискримінантних функцій.....53<br/><br/>3.2.3. Одержання коефіцієнтів канонічної дискримінантної функції......54<br/><br/>3.2.4. Коефіцієнти.....56<br/><br/>3.2.5. Нестандартизовані коефіціїнти....57<br/><br/>3.3. Процедура класифікації.......57<br/><br/>3.3.1. Класифікаційні функції.......58<br/><br/>3.3.2. Врахування апріорних ймовірностей.......60<br/><br/>3.3.3. Класифікація за допомогою канонічних дискримінантних функцій......61<br/><br/>3.3.4. Графічне зображення областей .......62<br/><br/>3.3.5. Класифікаційна матриця......62<br/><br/>3.3.6. Обгрунтування за допомогою розбиття вибірки....64<br/><br/>Контрольні запитання.....65<br/><br/>РОЗДІЛ 4. Кластерний аналіз....65<br/><br/>4.1. Сутність кластерного аналізу.......65<br/><br/>4.1.1. Застереження стосовно використання кластерного аналізу....67<br/><br/>4.1.2. Поняття подібності......67<br/><br/>4.1.3. Вибір змінних......70<br/><br/>4.2. Міри подібності.....70<br/><br/>4.2.1. Коефіцієнти кореляції.....70<br/><br/>4.2.2. Міри відстані....71<br/><br/>4.2.3. Коефіцієнти асоціативності....72<br/><br/>4.2.4. Імовірнісні коефіцієнти подібності....73<br/><br/>4.3. Методи кластерного аналізу.....74<br/><br/>4.3.1. Ієрархічні методи групування....78<br/><br/>4.3.2. Інтеративні методи групування.....81<br/><br/>4.3.3. Інші методи .....81<br/><br/>Контрольні запитання....83<br/><br/>Розділ 5. Інтелектуальний аналіз даних....84<br/><br/>5.1. Що таке інтелектуальний аналіз даних......84<br/><br/>5.2. Типи закономірностей.....88<br/><br/>5.2.1. Класи систем Data Mining......89<br/><br/>5.2.2. Предметно-орієнтовані аналітичні системи......89<br/><br/>Контрольні запитання....93<br/><br/>РОЗДІЛ 6. Машинне навчання.....96<br/><br/>6.1. Інтуїтивне розуміння навчання.......96<br/><br/>6.2. Означення навчання.......97<br/><br/>6.3. Програми, що навчаються.....98<br/><br/>6.4. Мотивація до навчання.....101<br/><br/>6.5. Таксономія машинного навчання.....102<br/><br/>6.6. Споріднені галузі.....104<br/><br/>6.7. Навчання як розділ штучного інтелекту.....106<br/><br/>6.8. Загальне формулювання задачі навчання за прецендентами.....107<br/><br/>6.9. Основні поняття та означення....107<br/><br/>6.10 Типологія задач навчання за прецендентами.....108<br/><br/>6.11. Задачі з описом об'єктів на основі ознак....111<br/><br/>6.12. Приклади задач машинного навчання....111<br/><br/>6.12.1. Задачі класифікації.....111<br/><br/>6.12.2. Задача відновлення регресії.....116<br/><br/>6.12.3. Задачі прогнозування та прийняття рішень......117<br/><br/>6.12.5. Задачі аналізу клієнтських середовищ........120<br/><br/>6.13. Навчання понять в штучному інтелекті....121<br/><br/>6.13.1. Задача навчання понять - пошук у просторі гіпотез.....122<br/><br/>6.13.2. Упорядкування гіпотез "від загальної до конкретної"........124<br/><br/>6.13.3. Алгоритм Find-S пошуку максимально конкретної гіпотези.....126<br/><br/>6.13.4. Алгоритм "вилучення кандидата".......129<br/><br/>Контрольні запитання......144<br/> <br/>Задачі для самостійного розв'язування.....145<br/><br/>РОЗДІЛ 8. Нейронні мережі.....169<br/><br/>8.1. Навчання на основі зв'язків.....169<br/><br/>8.1.2. Модель штучного нейрона...........171<br/><br/>8.1.3. Подання нейромереж та їхньої архітектури.......175<br/><br/>8.1.4. Сучасні архітектури нейромереж....177<br/><br/>8.1.5. Навчання одношарових нейромереж прямого поширення .......182<br/><br/>8.1.6. Навчання багатошарових нейронних мереж прямого поширення......189<br/><br/>8.2. Метод опорних векторів......194<br/><br/>8.3. Мережі, що самоорганізовуються.....210<br/><br/>8.3.1. Опис мереж, що самоорганізуються......210<br/><br/>8.3.2. Міри відстані між векторами.......212<br/><br/>8.3.3. Проблема нормалізації векторів......212<br/><br/>8.3.4. Міра організації мережі......213<br/><br/>8.3.5. Механізм стомлення нейронів.....214<br/><br/>8.3.6. Методи навчання мереж, що самоорганізовуються.....215<br/><br/>Задачі для самостійного розв'язування......219<br/><br/>РОЗДІЛ 9. Онтології й онтологічні системи........222<br/><br/>9.1. Поняття онтології.....222<br/><br/>9.2. Моделі онтології й онтологічні системи.....229<br/><br/>9.3. Методології створення і "життєвий цикл" онтологіїї.....233<br/><br/>9.4. Мови опису онтологій........234<br/><br/>Контрольні запитання......238<br/><br/>РОЗДІЛ 10. Програмні засоби побудови онтологій.......239<br/><br/>10.1. Онтологія як засіб формалізації знань......239<br/><br/>10.1.2. Загальні принципи проектування онтологій......242<br/><br/>10.1.3. Формати та стандарти подання інформації.......243<br/><br/>10.1.4. Засоби для створення онтології....246<br/><br/>10.2. Технологія розроблення онтологій в редакторі Protege......247<br/><br/>10.2.1. Еволюція Protege....247<br/><br/>10.2.2. Protege-OWL. Мова Web онтологій OWL .......249<br/><br/>10.2.3. Основні терміни та поняття у Protege - OWL....249<br/><br/>10.2.4. Методика розроблення онтології засобами Protege......253<br/><br/>10.2.5. Створення онтології......255<br/><br/>Контрольні запитання ......268<br/><br/>Використана література......269<br/><br/><br/>
520 ## - Резюме і т.п.
Резюме, реферат, анотація, тощо (НП) Викладено основні методи аналізу даних та знань, особливу увагу звернуто на багатовимірний та інтелектуальний аналіз даних. Висвітлено особливості технологій Data Mining, їх теоритичні та прикладні аспекти. Розглянуто методи машинного читання, які використовуються під час аналізу даних та знань. Навчальний посібник призначений для студентів, що навчаються за напрямами підготовки "Комп'ютерні науки", "Системний аналіз", для магістрів спеціальностей "Управління проектами" та "Консолідована інформація".<br/>
650 ## - Додаткове предметне введення – тематичний термін
Тематичний термін чи географічна назва, як елемент введення (НП) 004 Комп'ютерна наука і технологія. Застосування комп'ютера. Оброблення даних
700 1# - Додаткове введення – ім'я особи
Ім’я особи (НП) Пасічник В. В.
700 1# - Додаткове введення – ім'я особи
Ім’я особи (НП) Нікольський Ю. В.
942 ## - Додаткові елементи входу (Коха)
Тип елемента Koha Книги
Source of classification or shelving scheme Universal Decimal Classification
955 ## - Код типу видання за змістом
Код типу видання за змістом (НП) Навчальні видання
Фонди
Стан вилучень Стан втрат Джерело класифікації або схеми стелажів Стан уражень Не для кредиту Постійне місце розташування Поточне розміщення Дата придбання Джерело придбання Вартість, звичайна ціна покупки Усього замовленно Повний номер виклику Штрих-код Дата останнього перегляду Дата останньої перевірки Вартість, ціна заміни Ціна ефективна від Тип елемента Koha
    Universal Decimal Classification     ЧЗ - Читальна зала ЧЗ - Читальна зала 20/12/2019 № 58/10.12.2019 280.00 1 004.8(075.8) Л64 162155 12/09/2024 12/09/2024 280.00 20/12/2019 Книги