Інтеллектуальний аналіз даних наукових досліджень

ДНУ им. О. Гончара, 2016. 38 вопросов.Поняття даних. Набір даних та їх атрибутів.
Шкали. Типи наборів даних та формати їх зберігання.
Бази даних. Системи управління базами даних. Класифікація видів даних.
Класифікація стадій Data Mining.
Класифікація методів Data Mining.
Властивості методів Data Mining.
Задачі Data Mining.
Етапи процесу Data Mining.
Задачі Класифікації. Постановка задачі. Представлення результатів. Правила класифікації.
Процес класифікації. Методи, що застосовуються для розв’язання задач класифікації.
Точність класифікації. Оцінка рівня помилок. Оцінка класифікаційних методів.
Завдання кластеризації. Оцінка якості кластеризації. Процес кластеризації. Застосування кластерного аналізу.
Задачі Data Mining. Задача прогнозування.
Задача візуалізації.
Застосування Data Mining для вирішення бізнес-задач.
Data Mining для наукових досліджень. Web Mining. Text Mining. Call Mining.
Основи аналізу даних. Описова статистика. Кореляційний аналіз. Регресійний аналіз.
Методи класифікації і прогнозування. Дерева рішень. Переваги дерев рішень.
Процес конструювання дерев рішень. Алгоритми.
Методи класифікації і прогнозування. Метод опорних векторів.
Метод «найближчого сусіда».
Бейєсівська класифікація.
Методи класифікації і прогнозування. Нейронні мережі та проблеми розпізнавання.
Поняття персептрона. Ідеологія нейроінформатики. Елементи нейронних мереж.
Архітектура нейронних мереж.
Основні алгоритми навчання нейронних мереж.
Моделі нейронних мереж.
Вибір структури нейронної мережі.
Карти Кохонена.
Методи кластерного аналізу. Ієрархічні методи.
Методи кластерного аналізу. Міри схожості. Методи об’єднання або зв’язку. Ієрархічний кластерний аналіз в SPSS
Методи кластерного аналізу. Ітеративні методи.
Алгоритм k-середніх (k-means). Алгоритм PAM (partitioning around Medoids). Попередне скорочення розмірності. Факторний аналіз. Ітеративна кластеризація в SPSS. Проблеми, що виникають при застосуванні кластерного аналізу.
Пошук асоціативних правил. Постановка задачі. Характеристика асоціативних правил. Представлення результатів. Границі підтримки та достовірного асоціативного правила. Методи пошуку асоціативних правил. Різновиди алгоритму Apriori.
Візуальний аналіз даних – Visual Mining.
Візуальний аналіз даних.
Характеристика засобів візуального аналізу даних.
Методи візуалізації. Якість візуалізації. Основні тенденції в області візуалізації.