Математичні методи та інформаційні технології аналізу (ID:1153233)
Зміст
ВСТУП 8
РОЗДІЛ I. МАТЕМАТИЧНІ МЕТОДИ АНАЛІЗУ 9
1.1 Варіаційне обчислення 9
1.1.1 Мінімальні криві, оптика та геодезія 9
1.1.2 Метод кінцевих різниць 11
1.1.3 Метод кінцевих елементів 12
1.2 Нескінченномірний аналіз 13
1.2.1 Гільбертовий простір 13
1.2.2 Простір Фреше 15
1.2.3 Розкладання власних функцій 16
РОЗДІЛ II. ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ АНАЛІЗУ 18
2.1 Машинне навчання 18
2.1.1 Кластерний аналіз 19
2.1.2 Регресія 20
2.1.3 Класифікація 21
2.1.4 Дерево рішень 22
2.1.5 Нейронні мережі 23
2.2 Управління даними 24
2.2.1 Управління основними даними 24
2.2.2 Управління якістю даних 25
2.2.3 Сховища даних 26
2.2.4 Безпека даних 27
2.2.5 Управління великими даними 28
2.3 Інтелектуальний аналіз даних 29
2.3.1 Прогнозування 29
2.3.2 Правила асоціації 30
2.3.3 Найближчий до k сусід 31
РОЗДІЛ III. ЗАСТОСУВАННЯ ГІЛЬБЕРТОВОГО ПРОСТОРУ У ФУНКЦІОНАЛЬНОМУ АНАЛІЗІ 32
3.1 Унітарні простори 32
3.2 Ортогональні множини та розкладання Фур'є 35
РОЗДІЛ ІV. ЗАСТОСУВАННЯ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ У АНАЛІЗІ ДАНИХ 41
4.1 Практичне застосування методу кластерного аналізу 41
4.2 Практичне застосування методу лінійної регресії 45
4.3 Практичне застосування методу дерева рішень 47
4.4 Практичне застосування методу прогнозування 51
ВИСНОВКИ 60
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ 62
Зразок роботи
Метою роботи є вивчення та застосування математичних методів аналізу з погляду функціонального аналізу, вивчення та застосування інформаційних технологій аналізу з погляду аналізу даних.
У першому розділі роботи будуть розглянуті такі математичні методи функціонального аналізу:
1) варіаційне обчислення: мінімальні криві, оптика, геодезія, метод кінцевих різниць, метод кінцевих елементів.
2) нескінченномірний аналіз: гільбертові простори, простір Фреше, розкладання власних функцій.
У другому розділі роботи будуть розглянуті такі інформаційні технології аналізу даних:
1) машинне навчання: кластерний аналіз, лінійна регресія, класифікація, дерева рішень, нейронні мережі.
2) управління даними: управління основними даними, управління якістю даних, сховища даних, безпека даних, управління великими даними.
3) інтелектуальний аналіз даних: прогнозування, правила асоціації, найближчий до сусіда.
У третьому розділі буде практично застосовано використання Гільбертового простору у функціональному аналізі, а саме: унітарні простори, ортогональні множини та розкладання Фур'є.
У четвертому розділі буде практично застосовано інформаційні технології аналізу даних, а саме: кластерний аналіз, лінійна регресія, дерева рішень та метод прогнозування за допомогою алгоритму векторних авторегресій.
Інші роботи з даної категорії:
Магістр