Бібліотека Київського столичного університету імені Бориса Грінченка

Головна

Спрощенний режим

Посібник користувача

Бази даних

Електронний каталог бібліотеки- результати пошуку

Вид пошуку

Електронний каталог бібліотеки

Каталог авторефератів та дисертацій

Грінченкознавство

Рідкісні та цінні видання

Українська Аудіокнига

Мережеві ресурси

Наукові періодичні видання Університету

Зона пошуку

Знайдено у інших БД:

Мережеві ресурси (1)

Формат представлення знайдених документів:
повний	інформаційний	короткий

Відсортувати знайдені документи за:
автором	назвою	роком видання	типом документа

Пошуковий запит: (<.>K=аналіз даних<.>)

Загальна кількість знайдених документів : 6
Показані документи с 1 за 6

37.014
С 40

Системи якості вищих навчальних закладів: теорія і практика [Текст] : монографія / О. І. Волков [та ін.] ; ред. О. А. Микитенко ; Міністерство Освіти і Науки України, Київський Національний університет технологій та дизайну. - Київ : Наукова думка, 2006. - 301 с. - ISBN 966-00-0571-7 : 55.00 грн.

ДРНТІ	14.07
УДК	37.014

Рубрики: Педагогіка вищої школи--Монографії

Кл.слова (ненормовані):
педагогіка -- вища школа -- ВНЗ -- управління -- якість освіти -- оцінювання -- результативність -- структурування -- системний підхід -- аналіз даних
Анотація: У монографії узагальнено результати досліджень з питань створення та впровадження систем управління якістю вищих навч. закладів
Дод.точки доступу:
Волков, О.І.
Віткін, Л.М.
Хімічева, Г. І.
Зенкін, А. С.
Микитенко, О. А. \ред.\
Міністерство Освіти і Науки України
Київський Національний університет технологій та дизайну

Примірників всього: 1
Вул. Левка Лук'яненка, 13-Б Читальний зал (1)
Вільні:
Вул. Левка Лук'яненка, 13-Б Читальний зал (1)

Знайти схожі

004.6
Э 79

Эрл, Томас.
Основы Big Data. Концепции, алгоритмы и технологии [Текст] / Т. Эрл, В. Хаттак, П. Булер. - Днепр : Баланс Бизнес Бук, 2018. - 320 с. - ISBN 978-966-415-062-7 : 399.00 грн.

ДРНТІ	20
УДК	004.6

Рубрики: Інформатика--Дані--Популярні видання

Кл.слова (ненормовані):
великі дані -- зберігання даних -- аналіз даних -- корпоративні технологіїх -- файлові системи
Дод.точки доступу:
Хаттак, Ваджид
Булер, Пол

Примірників всього: 2
Вул. Левка Лук'яненка, 13-Б Читальний зал (2)
Вільні:
Вул. Левка Лук'яненка, 13-Б Читальний зал (2)

Знайти схожі

Балабанов, О. С.
Аналітика великих даних: принципи, напрямки і задачі (огляд) / О. С. Балабанов // Проблеми програмування : науковий журнал. - 2019. - № 2. - С. 47-68. - Бібліогр. в кінці ст. . - ISSN 1727-4907

Кл.слова (ненормовані):
великі дані -- аналіз даних -- виведення моделі -- відкриття знань -- статистичні моделі -- предикативні та генеративні моделі -- каузальна мережа -- прогноз

Є примірники у відділах: всього 1 : ГП ЧЗ (1)
Вільні: ГП ЧЗ (1)

Знайти схожі

Балабанов, О. С.
Задачі та методи аналізу великих даних / О. С. Балабанов // Проблеми програмування : науковий журнал. - 2019. - № 3. - С. 58-85. - Бібліогр. в кінці ст. . - ISSN 1727-4907

Кл.слова (ненормовані):
великі дані -- аналіз даних -- виведення генеративної моделі -- статистичні методи -- кластеризація -- регресія -- прогноз -- темпоральні дані -- каузальні мережі

Є примірники у відділах: всього 1 : ГП ЧЗ (1)
Вільні: ГП ЧЗ (1)

Знайти схожі

   004.421.2
   О-11

    О’Нілл, Кейт.
    BIG DATA. Зброя математичного знищення. Як великі дані збільшують і загрожують демократії [Текст] / К. О’Нілл ; переклад О. Калініної. - Київ : BookChef, 2020. - 366 с. - ISBN 978-617-7808-97-7 : 60.00 грн.

ДРНТІ	27
УДК	004.421.2:510.5	510.5

Рубрики: Обробка даних--Великі дані--Big Data--Популярні видання

Алгоритми, математичні--Обробка даних--Популярні видання

Кл.слова (ненормовані):
великі дані -- Big Data -- алгоритми -- аналіз даних -- онлайн-реклама -- математичні алгоритми -- математичні моделі
Анотація: Ми живемо в епоху алгоритмів. Рішення, які впливають на наше життя, дедалі частіше ухвалюють не люди, бо їх визначають математичні моделі. Це має забезпечити справедливість рішень, позаяк кожного судять за одними й тими самими правилами, і упередженість зводять нанівець. Проте Кейт О’Ніл розкриває в книзі інший бік BigData і математичних алгоритмів ухвалення рішень. Моделі, які застосовують нині, є непрозорими, нерегульованими й беззаперечними, навіть коли явно помиляються. Вони здатні посилювати дискримінацію.Ласкаво просимо на темний бік Big Data.
Дод.точки доступу:
Калініна, О. \перекладач.\

Примірників всього: 1
Вул. Левка Лук'яненка, 13-Б Читальний зал (1)
Вільні:
Вул. Левка Лук'яненка, 13-Б Читальний зал (1)

Знайти схожі

Бебешко, Богдан Тарасович.
Навчання штучної нейронної мережі на основі даних оцінювання результативності та ризиків інвестування в цифрові активи / Б. Т. Бебешко // Кібербезпека: освіта, наука, техніка : електронне наукове видання. - 2023. - Том 3, N 19. - С. 135-145, DOI 10.28925/2663-4023.2023.19.135145. - Бібліогр. в кінці ст. . - ISSN 2663-4023

Кл.слова (ненормовані):
інформаційні технології -- інформаційні системи -- аналіз даних -- теорія ігор -- нечітка логіка -- штучні нейронні мережі -- цифрові активи -- криптовалюти
Анотація: У даній публікації досліджується проблема аналізу результатів навчання штучних нейронних мереж на основі даних про ефективність та ризики інвестування в цифрові активи, зокрема, в умовах керування процесом купівлі та продажу криптовалют. Підхід до розв'язання цієї задачі базується на застосуванні теорії ігор як основного принципу для формування архітектури штучної нейронної мережі. Сполучення двох фундаментальних теорій -теорії ігор та нейромереж -дозволяє створювати інтуїтивно зрозумілі і ефективні інтелектуальні інформаційні системи для підтримки прийняття рішень у різних прикладних сферах, таких як фінанси, економіка та управління ресурсами. Особливу увагу приділено врахуванню нечітких параметрів та невизначеності в умовах ринку, що відображає реальні обставини при інвестуванні в криптовалюти та інші цифрові активи. Стаття пропонує ряд методів навчання та адаптації штучної нейронної мережі в рамках розробленого підходу, а також рекомендації щодо оцінки її ефективності та стабільності. Проаналізовано можливі області застосування та перспективи подальшого розвитку даної методології у контексті ринку цифрових активів. Проілюстровано застосування розробленої методології для аналізу результатів навчанштучної нейронної мережі та підтвердженно її високу ефективність у прогнозуванні результативності та ризиків інвестування в цифрові активи. Висвітлено проблеми та обмеження, які можуть виникнути під час використання даної методології, а також запропоновано можливі шляхи їх подолання та удосконалення
Перейти до зовнішнього ресурсу https://csecurity.kubg.edu.ua

Є примірники у відділах: всього 1 : Online (1)
Вільні: Online (1)

Знайти схожі

© Міжнародна Асоціація користувачів і розробників електронних бібліотек і нових інформаційних технологій
(Асоціація ЕБНІТ)