Интеллектуальный анализ данных. Учебное пособие (Татарникова Татьяна Михайловна) ; Инфра-Инженерия, 2024
от 1023 р. до 1776 р.
Автор(ы): Татарникова Татьяна Михайловна;
Издатель: Инфра-Инженерия
ISBN: 978-5-9729-1772-3
ID: SKU1249175
Добавлено: 10.11.2023
Сравнить цены
Цена от 1023 р. до 1776 р. в 5 магазинах
Магазин | Цена | Наличие |
---|---|---|
Лабиринт 5/5 | 1023 р. 1462 р. | |
Book24 5/5 | 1519 р. | |
Буквоед 5/5 | 1519 р. Минимальная сумма заказа 100 рублей | |
Яндекс.Маркет 5/5 | 1776 р. | |
МАЙШОП 5/5 | 951 р. 1462 р. | |
Читай-город 5/5 | ||
Описание
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.
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.
Смотри также Характеристики.
Яндекс.Маркет
Содержание
Предисловие
1. Введение в анализ данных
1.1. Общие понятия анализа данных
1.2. Шкалирование данных
1.3. Типичные задачи анализа данных
1.4. Этапы анализа данных
Контрольные вопросы
2. Кластерный анализ
2.1. Постановка задачи кластерного анализа
2.2. Меры расстояний в кластернизации
2.3. Методы кластерного анализа
2.3.1. Иерархические алгоритмы кластерного
анализа
2.3.2. Пример иерархической кластернизации
2.3.3. Неиерархические методы кластерного
анализа
2.3.4. Пример применения неиерархической
кластеризации
2.4. Оценка качества кластернизации
Контрольные вопросы
3. Классификация
3.1. Постановка задачи классификации
3.2. Оценки эффективности моделей
классификации
3.3. Методы решения задачи классификации
3.3.1. Деревья решений
3.3.2. Случайный лес
3.3.3. Линейный метод опорных векторов
3.3.4. Метод "ближайшего соседа"
Контрольные вопросы
4. Искусственные нейронные сети
4.1. Основные понятия
4.2. Нейронная сеть прямого распространения
4.2.1. Архитектура нейронной сети прямого
распространения
4.2.2. Обучение нейронной сети прямого
распространения
4.2.3. Пример использования нейронной сети
прямого распространения
4.3. Нейронная сеть Хопфилда
4.3.1. Архитектура нейронной сети Хопфилда
4.3.2. Обучение нейронной сети Хопфилда
4.3.3. Пример использования нейронной сети
Хопфилда
4.4. Сверточная нейронная сеть (CNN)
4.4.1. Архитектура сверточной нейронной сети
4.4.2. Обучение сверточной нейронной сети
4.4.3. Пример использования сверточной нейронной
сети
4.5. Нейронная сеть Кохонена
4.5.1. Архитектура нейронной сети Кохонена
4.5.2. Обучение нейронной сети Кохонена
4.5.3. Пример использования нейронной сети
Кохонена
4.6. Рекуррентные нейронные сети
4.6.1. Архитектура рекуррентной нейронной сети
4.6.2. Обучение рекуррентной нейронной сети
4.6.3. Пример использования рекуррентной
нейронной сети
5. Лабораторные работы
Лабораторная работа 1. Предобработка данных
Лабораторная работа 2. Кластерный анализ
Лабораторная работа 3. Классификация
Лабораторная работа 4. Нейронная сеть прямого
распространения
Лабораторная работа 5. Распознавание образов
Лабораторная работа 6. Кластеризация нейронной
сетью Кохонена
Заключение
Литература
1. Введение в анализ данных
1.1. Общие понятия анализа данных
1.2. Шкалирование данных
1.3. Типичные задачи анализа данных
1.4. Этапы анализа данных
Контрольные вопросы
2. Кластерный анализ
2.1. Постановка задачи кластерного анализа
2.2. Меры расстояний в кластернизации
2.3. Методы кластерного анализа
2.3.1. Иерархические алгоритмы кластерного
анализа
2.3.2. Пример иерархической кластернизации
2.3.3. Неиерархические методы кластерного
анализа
2.3.4. Пример применения неиерархической
кластеризации
2.4. Оценка качества кластернизации
Контрольные вопросы
3. Классификация
3.1. Постановка задачи классификации
3.2. Оценки эффективности моделей
классификации
3.3. Методы решения задачи классификации
3.3.1. Деревья решений
3.3.2. Случайный лес
3.3.3. Линейный метод опорных векторов
3.3.4. Метод "ближайшего соседа"
Контрольные вопросы
4. Искусственные нейронные сети
4.1. Основные понятия
4.2. Нейронная сеть прямого распространения
4.2.1. Архитектура нейронной сети прямого
распространения
4.2.2. Обучение нейронной сети прямого
распространения
4.2.3. Пример использования нейронной сети
прямого распространения
4.3. Нейронная сеть Хопфилда
4.3.1. Архитектура нейронной сети Хопфилда
4.3.2. Обучение нейронной сети Хопфилда
4.3.3. Пример использования нейронной сети
Хопфилда
4.4. Сверточная нейронная сеть (CNN)
4.4.1. Архитектура сверточной нейронной сети
4.4.2. Обучение сверточной нейронной сети
4.4.3. Пример использования сверточной нейронной
сети
4.5. Нейронная сеть Кохонена
4.5.1. Архитектура нейронной сети Кохонена
4.5.2. Обучение нейронной сети Кохонена
4.5.3. Пример использования нейронной сети
Кохонена
4.6. Рекуррентные нейронные сети
4.6.1. Архитектура рекуррентной нейронной сети
4.6.2. Обучение рекуррентной нейронной сети
4.6.3. Пример использования рекуррентной
нейронной сети
5. Лабораторные работы
Лабораторная работа 1. Предобработка данных
Лабораторная работа 2. Кластерный анализ
Лабораторная работа 3. Классификация
Лабораторная работа 4. Нейронная сеть прямого
распространения
Лабораторная работа 5. Распознавание образов
Лабораторная работа 6. Кластеризация нейронной
сетью Кохонена
Заключение
Литература
О книге
ISBN | 978-5-9729-1772-3 |
Автор(ы) | Татарникова Татьяна Михайловна |
Год издания | 2024 |
Издатель | Инфра-Инженерия |
Переплет | Твердый переплёт |
Возрастные ограничения | 12 |
Кол-во страниц | 172 |
Обложка | твердый переплёт |
Книги с похожим названием
Книги где автор: Татарникова Татьяна Михайловна
Машинное обучение. Анализ данных - издательство "Инфра-Инженерия"
Категория 818 р. - 1227 р.
Машинное обучение. Анализ данных - издательство "Инфра-Инженерия" »
Машинное обучение. Анализ данных
Категория 818 р. - 1227 р.