анализ данных

Системы сбора и предобработки данных, Методы статического анализа с использованием Google Colab, Учебное пособие, Никульчев Е.В., Алексеенко А.С., Ильин Д.Ю., 2023.

Учебное пособие содержит теоретические сведения, практические примеры и варианты практических работ по дисциплине «Системы сбора и предобработки данных», разделу «Методы статического анализа». Предназначено для магистрантов, обучающихся по направлению 09.04.02 Информационные системы и технологии, а также для студентов и аспирантов смежных специальностей для получения практических навыков анализа данных.

Big Data and Visual Analytics, Suh S.C., Anthony T., 2017.

This book provides users with cutting edge methods and technologies in the area of  big data and visual analytics, as well as an insight to the big data and data analytics research conducted by world-renowned researchers in this field. The authors present comprehensive educational resources on big data and visual analytics covering state-of-the art techniques on data analytics, data and information visualization, and visual analytics. Each chapter covers  specific topics related to big data and data analytics as virtual data machine, security of  big data, big data applications, high performance computing cluster, and big data implementation techniques. Every chapter includes a description of an unique contribution to the area of big data and visual analytics. This book is a valuable resource for researchers and professionals working in the area of big data, data analytics, and information visualization. Advanced-level students studying computer science will also find this book helpful as a secondary textbook or reference.

Анализ многомерных данных, Избранные главы, Эсбенсен К., 2005.

Применение современных подходов к моделированию многомерных (многофакторных) процессов и явлений, основанных на использовании проекционных математических методов, позволяет выделять в больших массивах данных скрытые переменные и анализировать связи, существующие в изучаемой системе. В данном издании представлены основные фундаментальные понятия билинейного (проекционного) моделирования многомерных данных и намечены основные рамки, в которых должно проводиться такое моделирование. В книгу включены многочисленные примеры, которые позволят усвоить этот подход. Предназначена широкому кругу специалистов, интересующихся современными методами анализа данных.

Анализ данных в среде R, Часть 1, Учебное пособие, Синева К.С., 2018.

Предлагаемое издание включает в себя описание инсталляции среды R, графических пользовательских интерфейсов для работы с ней. базовых возможностей языка R, построения графиков в среде R. Приводятся рекомендации по пакетам расширения, которые могут быть использованы для более глубоко статистического анализа данных. Показано нахождение основных характеристик описательной статистики и визуализации данных. Учебное пособие предназначено для студентов бакалавриата, магистратуры и аспирантов, углубленно изучающих интеллектуальный анализ  данных.

Интеллектуальный анализ данных, Учебное пособие, Кузнецов С.Ю., Костикова А.В., Сайкина Ю.А., 2019.

В учебном пособии излагается содержание основных методов научного анализа числовых данных, характеризующих количественные и качественные характеристики экономических и социальных явлений, в частности, эконометрический анализ и методология нейросетей. Предназначено для студентов вузов, обучающихся по специальностям направлений подготовки бакалавров «Бизнес-информатика», «Прикладная информатика» всех форм обучения.

Анализ данных на компьютере, Тюрин Ю.Н., Макаров А.А., 2003.

Книга является учебным пособием по анализу данных и статистике, рассчитанным на прикладных специалистов, менеджеров и студентов. Излагаются основные сведения, необходимые на практике для анализа данных (в том числе анализа временных рядов), на наглядных примерах рассматриваются основные постановки задач и методы их решения с использованием популярных статистических пакетов STADIA, SPSS и Эвриста. Дается обзор программных средств для анализа данных, приведены необходимые статистические таблицы.

Основы статистического обучения, Интеллектуальный анализ данных, логический вывод и прогнозирование, Хасти Т., Тибширани Р., Фридман Д., 2020.

Мы бьли удовлетворены популярностью первого издания книги Основы статистического обучения. Это обстоятельство, а также быстрые темпы развития исследований в области статистического обучения побудили нас обновить эту книгу и выпустить второе издание. Мы добавили четыре новые главы и переработали некоторые из существующих глав. Поскольку многие читатели знакомы с первым изданием, мы постарались изменить его как можно меньше.

Финансовый анализ данных в Deductor Studio, Учебное пособие, Яковлев В.Б., 2018.

В учебном пособии рассмотрены основные статистические методы финансового анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки их практического применения. Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.04.05 - «Бизнес-информатика» (магистратура) программы «Финансовый менеджмент и автоматизация учетной деятельности в организации», при изучении дисциплины «Финансовый менеджмент и анализ», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.