SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

60 wyników

Brak okładki

Książka

W koszyku

Eksploracja danych oparta na wypukłych i odcinkowo-liniowych funkcjach kryterialnych / Leon Bobrowski. - Białystok : Wydawnictwo Politechniki Białostockiej, 2005. - 185 s. : il. ; 23 cm.

(Rozprawy Naukowe / Politechnika Białostocka, ISSN 0867-096X ; nr 116)

Autor

Bobrowski Leon.

Temat

Data Mining (metoda) Rozpoznawanie obrazów Sieci neuronowe

Bibliogr. s. 181-185.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 117372 L (1 egz.)

Brak okładki

Książka

W koszyku

Data mining methods for knowledge discovery / Krzysztof J. Cios, Witold Pedrycz, Roman W. Swinarski. - 3 print. - Boston [etc.] : Kluwer Academic Publ., 2000. - XXI, [1], 495 s. : il. ; 25 cm.

(Kluwer International Series in Engineering and Computer Science ; 458)

Autor

Cios Krzysztof J. Pedrycz Witold. Swinarski Roman W.

Temat

Data Mining (metoda)

Bibliogr. przy rozdz.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. Z 7777 (1 egz.)

Brak okładki

Książka

W koszyku

CoreGRID Integration Workshop 2006 "Integrated Research in Grid Computing", Kraków, October 19-20, 2006 / ed. Sergei Gorlatch, Marian Bubak, Thierry Priol ; aut. Matin Alt [i in.] ; Information Society Technologies, CoreGRID. - Kraków : Akademia Górniczo-Hutnicza - Wydaw., 2006. - [16], 372 s. : rys., schem., tab., wykr. ; 25 cm.

Autor

CoreGrid Integration Workshop (2006 ; Kraków). Gorlatch Sergei. Bubak Marian. Priol Thierry. Alt Matin.

Temat

Informatyka Grid Computing p2p [Peer-to-peer] (sieć) Grid Technologies Obliczenia wysokowydajne EGEE [Enabling Grids for E-SciencE] (projekt) Telewizja interaktywna Benchmarking (metoda) Biomedycyna Łańcuchy Markowa HLA [High Level Architecture] (standard) HOCs [Higher-Order Components] SEGL [Science Experimental Grid Laboratory] Data Mining (metoda)

Na s. przedtyt. tyt. : Proceedings of the CoreGRID Integration Workshop 2006, October 19-20, Kraków. - Na grzb. tyt. : Proceedings of the Integration Work- shop 2006. - Na okł. tyt. : Integrated Research in Grid Computing : Integration Workshop, October 19-20, 2006 Kraków, Poland : Proceedings.

Bibliogr. przy ref. - Abstr.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 116214 LE (1 egz.)

Książka

W koszyku

Autor

Foreman John W. Matuk Konrad.

Forma i typ

Książki Publikacje fachowe

Temat

Data Mining (metoda) Analiza danych Analiza skupień

Gatunek

Opracowanie

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Data Smart: Using Data Science to Transform Information into Insight.

Indeks.

Praktyczna definicja analizy danych Chwila, chwila. A co z big data? Kim jestem? Kim jesteś? Na szczęście będziesz pracować tylko w arkuszu kalkulacyjnym Ale arkusze kalkulacyjne są takie staromodne! Korzystaj z programu Excel lub pakietu LibreOffice Konwencje typograficzne przyjęte w tej książce 1. Wszystko, co chciałeś wiedzieć o arkuszu kalkulacyjnym, ale bałeś się o to zapytać Przykładowe proste dane Szybkie przeglądanie arkusza i klawisz Ctrl Szybkie kopiowanie danych i formuł Formatowanie komórek Wklejanie wartości specjalnych Wstawianie wykresów Menu Znajdź i menu Zamień Formuły przeznaczone do wyszukiwania i wyciągania wartości Stosowanie formuły WYSZUKAJ.PIONOWO do łączenia danych Filtrowanie i sortowanie Stosowanie tabel przestawnych Korzystanie z formuł tablicowych Rozwiązywanie problemów za pomocą narzędzia Solver OpenSolver chciałbym, abyśmy go nie potrzebowali, ale 2. Analiza skupień Część I zastosowanie algorytmu centroidów do segmentowania bazy klientów Dziewczyny tańczą z dziewczynami, a chłopcy drapią się po łokciach Prawdziwy problem: implementacja algorytmu centroidów w e-mail marketingu Handel winem Początkowy zbiór danych Określanie tego, co chcemy mierzyć Zacznij od czterech grup Odległość euklidesowa pomiar odległości w linii prostej Odległość dla wszystkich! Określanie położenia środków klastrów Analiza uzyskanych wyników Ustalanie najlepszej oferty dla danego klastra Sylwetka podziału dobry sposób na określenie optymalnej liczby klastrów Sylwetka podziału na wysokim poziomie jak daleko od Ciebie są Twoi sąsiedzi? Tworzenie macierzy odległości Excel i implementacja sylwetki podziału A może potrzebujesz pięciu klastrów? Dzielenie klientów na pięć klastrów za pomocą narzędzia Solver Ustalanie najlepszych ofert dla wszystkich pięciu klastrów Określanie sylwetki podziału na pięć klastrów Podział na grupy za pomocą algorytmu k-medioidów i asymetryczny pomiar odległości Podział na grupy za pomocą metody k-medioidów Stosowanie lepszego sposobu pomiaru odległości Czy pomiar odległości zgodnie z metryką miejską rozwiązuje problem? Odległość kosinusowa wcale nie jest czymś strasznym Implementacja za pomocą Excela Najlepsze oferty przy podziale na pięć klastrów za pomocą median 3. Naiwny klasyfikator bayesowski i niezwykła lekkość bycia idiotą Jeżeli nazwiesz swój produkt Mandrill, to uzyskasz zaszumione informacje zwrotne Najszybsze na świecie wprowadzenie do rachunku prawdopodobieństwa Obliczanie prawdopodobieństwa warunkowego Prawdopodobieństwo części wspólnej, reguła łańcuchowa i niezależność A co, jeżeli sytuacje są zależne od siebie? Twierdzenie Bayesa Tworzenie modelu sztucznej inteligencji za pomocą twierdzenia Bayesa Zwykle zakłada się, że wysokopoziomowe prawdopodobieństwa klas są sobie równe Kilka innych drobnostek Rozwiązywanie problemu słów rzadkich Rozwiązywanie problemu niedomiaru zmiennoprzecinkowego Czas rozpocząć zabawę z Excelem Usuwanie nieistotnych znaków interpunkcyjnych Dzielenie na znakach spacji Zliczanie leksemów i obliczanie prawdopodobieństw Zbudowaliśmy model. Skorzystajmy z niego! 4. Modelowanie optymalizacyjne świeżo wyciśnięty sok nie zamiesza się sam Dlaczego analityk danych powinien wiedzieć, czym jest optymalizacja? Zacznijmy od prostego kompromisu Przedstawienie problemu w formie wielokomórki Rozwiązywanie problemu poprzez przesuwanie poziomicy Metoda simpleks kręcenie się wokół rogów Praca w Excelu Przecież nie da się wyprodukować 3,43 karabinu! Spróbujmy rozwiązać problem w sposób nieliniowy Na końcu tego rozdziału kryje się potwór Szklanka świeżego soku pomarańczowego prosto z drzewa z przystankiem na modelowanie Trzeba skorzystać z modelu mieszania Zacznijmy od specyfikacji soków Stałość produktu wyjściowego Wprowadzanie danych do Excela Określanie problemu w dodatku Solver Obniżanie standardów Usuwanie cuchnącego problemu minimalizacja maksymalnych odchyleń Warunki i ograniczenie wielkiego M Mnożenie zmiennych skorzystajmy ze 110% mocy Excela Modelowanie ryzyka Dane pochodzące z rozkładu normalnego Dystrybuanta Opracowywanie scenariuszy na podstawie odchyleń standardowych związanych z problemem mieszania soków Określanie ograniczeń scenariusza Podsumowanie Praktyka, praktyka, praktyka i dalsza lektura 5. Analiza skupień Część II grafy i analiza sieci Czym jest graf sieci? Wizualizacja prostego grafu Krótkie wprowadzenie do Gephi Instalacja Gephi i przygotowanie pliku Budowa grafu Stopień rozgałęzienia Elegancki wydruk Edycja danych grafu Tworzenie grafu na podstawie danych sprzedaży wina Tworzenie macierzy podobieństwa kosinusowego Generowanie grafu r-sąsiedztwa Jaka jest wartość krawędzi? Nagradzanie i karanie krawędzi modularność grafu Czym jest punkt, a czym kara? Tworzenie arkusza punktacji Czas dokonać podziału na grupy Podział 1. Punktowanie przypisania każdego klienta Tworzenie modelu liniowego obliczającego punktację Tworzenie programu liniowego Podział 2. kontratak Podział 3. zemsta Grupy kodowanie i analiza Tam i z powrotem czas na Gephi 6. Regresja jako przodek nadzorowanego uczenia maszynowego i sztucznej inteligencji Co? Jesteś w ciąży? Nie oszukuj siebie Osoby, które nie wiedzą, jak działają modele sztucznej inteligencji, bardzo często reagują na możliwość przewidywania przyszłości z niedowierzaniem i przerażeniem. Dobrze parafrazuje to cytat z filmu Włamywacze z 1992 r.: Nie oszukuj siebie. To wcale nie jest takie inteligentne. Przewidywanie ciąży klientów na podstawie regresji liniowej Zbiór cech Tworzenie treningowego zbioru danych Tworzenie zmiennych fikcyjnych Pobawmy się regresją liniową Najprostsze modele liniowe Wracamy do danych sprzedaży Dodawanie formuły obliczającej wartość błędu Trenowanie modelu za pomocą narzędzia Solver Parametry regresji liniowej: współczynnik determinacji, test F i test t Współczynnik determinacji parametr oceniający poprawność dopasowania Test F czy dopasowanie jest istotne z punktu widzenia statystyki? Testy t współczynników które zmienne są dla nas ważne? Przewidywanie ciąży na nowym zbiorze danych i sprawdzanie jakości modelu Określanie wartości progowej Precyzja (wartości przewidziane jako pozytywne) Specyficzność (liczba wyników prawdziwie negatywnych) Liczba wyników fałszywie pozytywnych Czułość (liczba wyników prawdziwie pozytywnych) Wyznaczanie kompromisu pomiędzy wskaźnikami jakości modelu i tworzenie krzywej charakterystyki pracy Przewidywanie ciąży klientów za pomocą regresji logistycznej Najpierw musisz określić funkcję wiążącą Tworzenie funkcji logistycznej i ponowna optymalizacja Praca nad prawdziwą regresją logistyczną Wybór modelu porównywanie skuteczności regresji liniowej i regresji logistycznej 7. Modele zespołowe dużo nie najlepszej pizzy Korzystanie z danych z rozdziału 6. Agregacja losuj, trenuj, powtórz Pieniek decyzyjny to niezbyt ładne określenie głupiego modelu To wcale nie wydaje się takie głupie! Więcej mocy! Czas rozpocząć proces trenowania Tworzenie próbki losowej Tworzenie pieńka decyzyjnego na podstawie wylosowanej próbki danych Zapisywanie zwycięzcy To tak dużo pracy! Ocena działania modelu zespolonego Prognozowanie wartości zbioru testowego Wydajność Coś więcej niż dokładność Wzmacnianie jeżeli uzyskałeś niesatysfakcjonujące wyniki, to wzmocnij swój model i uruchom go jeszcze raz Trenowanie modelu każda cecha ma swoje pięć minut Czas wyłonić zwycięzcę Obliczanie wartości parametru alfa dla najlepszej reguły decyzyjnej Zmiana wag Zrób to ponownie i znów i znów Wydajność modelu wzmacnianych reguł decyzyjnych Prognozy na testowym zbiorze danym Obliczanie parametrów określających skuteczność klasyfikacji Coś więcej niż dokładność 8. Prognozowanie oddychaj spokojnie, i tak nie wygrasz Hossa na rynku sprzedaży mieczy Szeregi czasowe Zacznij od prostego wygładzania wykładniczego Przygotowanie arkusza prognozy prostego wygładzania wykładniczego Dodawanie kolumn prognozy jednego kroku i jej błędu Przeciągnij te formuły w dół Optymalizacja błędu pojedynczego kroku Czas przedstawić to na wykresie Być może dane zawierają trend Podwójne wygładzanie wykładnicze (metoda Holta) Metoda Holta w arkuszu kalkulacyjnym Prognozowanie popytu w przyszłości Optymalizacja błędu prognozy pojedynczego kroku To wszystko? Analiza autokorelacji Wielokrotne wygładzanie wykładnicze model Holta-Wintersa Określanie początkowych wartości poziomu, trendu i sezonowości Tworzenie prognozy Czas na optymalizację Powiedz mi, że to już koniec. Proooszę! Interwały prognozy Tworzenie wykresu warstwowego wachlarza wartości 9. Wykrywanie obserwacji odstających to, że jakiś element jest inny od pozostałych, nie oznacza, że jest nieistotny Element odstający to też człowiek Fascynująca sprawa Hadlumów Metoda Tukeya Implementacja metody Tukeya w arkuszu kalkulacyjnym Ograniczenia tej prostej techniki Nie tragiczny, ale słaby we wszystkim Przygotowywanie danych do utworzenia wykresu Tworzenie grafu Określanie k najbliższych sąsiadów Pierwsza metoda wykrywania elementów odstających grafu skorzystaj ze stopnia wchodzącego Druga metoda wykrywania elementów odstających grafu zgłębianie niuansów za pomocą k-odległości Trzecia metoda wykrywania elementów odstających grafu lokalny miernik stopnia oddalenia obserwacji Zacznij od odległości osiągalnej Określanie lokalnych mierników stopnia oddalenia obserwacji Podsumowanie 10. Przejście z arkusza kalkulacyjnego do języka R Przygotowanie środowiska i początek pracy w języku R Wprowadzanie prostych danych Działania matematyczne na wektorach i faktory Macierze dwuwymiarowe Najlepszy typ danych dataframe Wczytywanie danych do R Prawdziwa analiza danych Sferyczny algorytm k-średnich wywołany za pomocą zaledwie kilku linii kodu Budowanie modeli sztucznej inteligencji na podstawie danych zakupów (wykrywanie ciąży) Prognozowanie w R Wykrywanie elementów odstających Gdzie ja jestem? Co się stało? Zanim odłożysz tę książkę Poznaj problem Potrzebujemy więcej tłumaczy Uważaj na trójgłowe monstrum: narzędzia, wydajność i perfekcjonizm Złożoność Narzędzia Wydajność Nie jesteś najważniejszą osobą w firmie Bądź kreatywny

Sygnatura czytelni BWEAiI: XII W 53

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 148060 N (1 egz.)

Książka

W koszyku

Autor

Grus Joel. Matuk Konrad.

Forma i typ

Książki Publikacje fachowe

Temat

Bazy danych Data Mining (metoda) Python (język programowania) Struktury danych

Tytuł oryginału: Data Science from Scratch : First Principles with Python.

Na stronie tytułowej również informacje o miejscach wydania i wydawcy oryginału - O'Reilly.

Indeks.

Znaczenie danych Czym jest analiza danych? Hipotetyczna motywacja Określanie najważniejszych węzłów Analitycy, których możesz znać Wynagrodzenie i doświadczenie Płatne konta Tematy interesujące użytkowników Co dalej? Błyskawiczny kurs Pythona Skąd wziąć interpreter Pythona? Zasady tworzenia kodu Pythona Formatowanie za pomocą białych znaków Moduły Operacje arytmetyczne Polskie znaki diakrytyczne Funkcje Łańcuchy Wyjątki Listy Krotki Słowniki Zbiory Przepływ sterowania Wartości logiczne Bardziej skomplikowane zagadnienia Sortowanie Składanie list Generatory i iterator Losowość Wyrażenia regularne Programowanie obiektowe Narzędzia funkcyjne enumerate Funkcja zip i rozpakowywanie argumentów Argumenty nazwane i nienazwane Witaj w firmie DataSciencester! Dalsza eksploracja Wizualizacja danych Pakiet matplotlib Wykres słupkowy Wykresy liniowe Wykresy punktowe Dalsza eksploracja Algebra liniowa Wektory Macierze Dalsza eksploracja Rozdział 5. Statystyka Opis pojedynczego zbioru danych Tendencje centralne Dyspersja Korelacja Paradoks Simpsona Inne pułapki związane z korelacją Korelacja i przyczynowość Dalsza eksploracja Prawdopodobieństwo Zależność i niezależność Prawdopodobieństwo warunkowe Twierdzenie Bayesa Zmienne losowe Ciągły rozkład prawdopodobieństwa Rozkład normalny Centralne twierdzenie graniczne Dalsza eksploracja Hipotezy i wnioski Sprawdzanie hipotez Przykład: rzut monetą Przedziały ufności Hakowanie wartości p Przykład: przeprowadzanie testu A-B Wnioskowanie bayesowskie Dalsza eksploracja Metoda gradientu prostego Podstawy metody gradientu prostego Szacowanie gradientu Korzystanie z gradientu Dobór właściwego rozmiaru kroku Łączenie wszystkich elementów Stochastyczna metoda gradientu prostego Dalsza eksploracja Uzyskiwanie danych Strumienie stdin i stdout Wczytywanie plików Podstawowe zagadnienia dotyczące plików tekstowych Pliki zawierające dane rozdzielone separatorem Pobieranie danych ze stron internetowych HTML i parsowanie Przykład: książki wydawnictwa OReilly dotyczące analizy danych Korzystanie z interfejsów programistycznych Format JSON (i XML) Korzystanie z interfejsu programistycznego bez uwierzytelniania Poszukiwanie interfejsów programistycznych Przykład: korzystanie z interfejsów programistycznych serwisu Twitter Uzyskiwanie danych uwierzytelniających Dalsza eksploracja Praca z danymi Eksploracja danych Eksploracja danych jednowymiarowych Dwa wymiary Wiele wymiarów Oczyszczanie i wstępne przetwarzanie danych Przetwarzanie danych Przeskalowanie Redukcja liczby wymiarów Dalsza eksploracja Uczenie maszynowe Modelowanie Czym jest uczenie maszynowe? Nadmierne i zbyt małe dopasowanie Poprawność Kompromis pomiędzy wartością progową a wariancją Ekstrakcja i selekcja cech Dalsza eksploracja Algorytm k najbliższych sąsiadów Model Przykład: ulubione języki Przekleństwo wymiarowości Dalsza eksploracja Rozdział 13. Naiwny klasyfikator bayesowski Bardzo prosty filtr antyspamowy Bardziej zaawansowany filtr antyspamowy Implementacja Testowanie modelu Dalsza eksploracja Prosta regresja liniowa Model Korzystanie z algorytmu spadku gradientowego Szacowanie maksymalnego prawdopodobieństwa Dalsza eksploracja Regresja wieloraka Model Dalsze założenia dotyczące modelu najmniejszych kwadratów Dopasowywanie modelu Interpretacja modelu Poprawność dopasowania Dygresja: ładowanie wstępne Błędy standardowe współczynników regresji Regularyzacja Dalsza eksploracja Regresja logistyczna Problem Funkcja logistyczna Stosowanie modelu Poprawność dopasowania Maszyny wektorów nośnych Dalsza eksploracja Drzewa decyzyjne Czym jest drzewo decyzyjne? Entropia Entropia podziału Tworzenie drzewa decyzyjnego Łączenie wszystkiego w całość Lasy losowe Dalsza eksploracja Sztuczne sieci neuronowe Perceptrony Jednokierunkowe sieci neuronowe Propagacja wsteczna Przykład: pokonywanie zabezpieczenia CAPTCHA Dalsza eksploracja Grupowanie Idea Model Przykład: spotkania Wybór wartości parametru k Przykład: grupowanie kolorów Grupowanie hierarchiczne z podejściem aglomeracyjnym Dalsza eksploracja Przetwarzanie języka naturalnego Chmury wyrazowe Modele n-gram Gramatyka Na marginesie: próbkowanie Gibbsa Modelowanie tematu Dalsza eksploracja Analiza sieci społecznościowych Pośrednictwo Centralność wektorów własnych Mnożenie macierzy Centralność Grafy skierowane i metoda PageRank Dalsza eksploracja Systemy rekomendujące Ręczne rozwiązywanie problemu Rekomendowanie tego, co jest popularne Filtrowanie kolaboratywne oparte na użytkownikach Filtrowanie kolaboratywne oparte na zainteresowaniach Dalsza eksploracja Bazy danych i SQL Polecenia CREATE TABLE i INSERT Polecenie UPDATE Polecenie DELETE Polecenie SELECT Polecenie GROUP BY Polecenie ORDER BY Polecenie JOIN Zapytania składowe Indeksy Optymalizacja zapytań Bazy danych NoSQL Dalsza eksploracja Algorytm MapReduce Przykład: liczenie słów Dlaczego warto korzystać z algorytmu MapReduce? Algorytm MapReduce w ujęciu bardziej ogólnym Przykład: analiza treści statusów Przykład: mnożenie macierzy Dodatkowe informacje: zespalanie Dalsza eksploracja Praktyka czyni mistrza IPython Matematyka Korzystanie z gotowych rozwiązań NumPy pandas scikit-learn Wizualizacja R Szukanie danych Zabierz się za analizę Hacker News Wozy straży pożarnej Koszulki A Ty?

Sygnatura czytelni BWEAiI: XII Ł 115

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 146781 N (1 egz.)

Brak okładki

Książka

W koszyku

Eksploracja danych / David Hand, Heikki Mannila, Padhraic Smyth ; z ang. przeł. Agnieszka Chądzyńska. - Warszawa : Wydawnictwa Naukowo-Techniczne, 2005. - 584 s. : il. ; 25 cm.

Autor

Hand David J. (1950- ). Mannila Heikki. Smyth Padhraic. Chądzyńska Agnieszka.

Temat

Data Mining (metoda)

Gatunek

Podręczniki akademickie

Bibliogr. s. [553]-574. Indeks.

Sygnatura czytelni BMW: IV B 47 (nowy)

dostępna w czytelni

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 113311 (1 egz.)

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 113483 N (1 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i Data Mining w badaniach naukowych / [aut. Piotr Jabkowski et al.]. - Kraków : StatSoft Polska Sp., 2008. - 88 s. : il. ; 24 cm.

Autor

Jabkowski Piotr.

Temat

Statystyka Data Mining (metoda) Statystyka medyczna Statistica (oprogramowanie)

Gatunek

Materiały konferencyjne

Zaw. mat. na Seminarium "Zastosowania statystyki i Data Mining w badaniach naukowych" org. przez StatSoft Polska w Warszawie 23 października 2008 r. - inf. ze s. red. i s. internet. org.

Bibliogr. przy ref.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 121293 L (1 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych / [red. nauk. Jacek Jakubowski, Janusz Wątroba]. - Kraków : StatSoft Polska, 2016. - 140 s. : il. ; 24 cm.

Autor

Jakubowski Jacek (1954- ). Wątroba Janusz.

Temat

Data Mining (metoda) Nauki przyrodnicze Nauki społeczne Statystyka

Gatunek

Materiały konferencyjne

Materiały na Seminarium "Zastosowania statystyki i data mining w badaniach naukowych", Warszawa, 12 października 2016 r. - dokładna data impr. na s. internet. org.

Bibliogr., netogr. przy niektórych referatach.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 143968 (1 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych i innowacyjnych / [red. nauk. Jacek Jakubowski]. - Kraków : Statsoft Polska, 2014. - 128 s. : il ; 24 cm.

Autor

Jakubowski Jacek (1954- ).

Temat

Data Mining (metoda) Metodologia Przemysł Statistica (oprogramowanie) Statystyka

Gatunek

Materiały konferencyjne

Materiały na Seminarium "Zastosowania statystyki i data mining w badaniach naukowych i innowacyjnych", 28 października 2014 r., Warszawa.

Bibliogr. przy referatach.

WPROWADZENIE DO MODELOWANIA ZJAWISK SPOŁECZNYCH I PRZYKŁADY ZASTOSOWAŃ W STATISTICA 5 Adam Sagan, Uniwersytet Ekonomiczny w Krakowie, Katedra Analizy Rynku i Badań Marketingowych MODELOWANIE SKALI ODDZIAŁYWANIA ŹRÓDEŁ ZANIECZYSZCZEŃ ŚRODOWISKA Z WYKORZYSTANIEM ANALIZY GŁÓWNYCH SKŁADOWYCH I REGRESJI LINIOWEJ WIELORAKIEJ 27 Aleksander Astel, Akademia Pomorska w Słupsku, Instytut Biologii i Ochrony Środowiska ZASTOSOWANIE ANALIZY DYSKRYMINACYJNEJ I KLASYFIKACYJNYCH SIECI NEURONOWYCH DO PRZEWIDYWANIA ZJAWISKA SAMONIEZGODNOŚCI KAPUSTY BIAŁEJ (BRASSICA OLERACEA VAR. CAPITATA) W OPARCIU O EKSPERYMENTY ELEKTROFORETYCZNE 45 Maciej Szaleniec, Instytut Katalizy i Fizykochemii Powierzchni im. J. Habera PAN; Piotr Waligórski, Instytut Fizjologii Roślin im. F. Górskiego PAN AGRESYWNOŚĆ KOROZYJNA WÓD GRUNTOWYCH - ZMIENNOŚĆ CZYNNIKÓW KOROZYJNYCH NA TLE BUDOWY GEOMORFOLOGICZNEJ WARSZAWY 63 Marek Patakiewicz, Firma Usług Geotechnicznych „GEOTOR" AUTOMATYZACJA PRACY Z PROGRAMEM STATISTIC A NA PRZYKŁADZIE ANALIZ TAKSONOMICZNYCH 85 Marek Sobolewski, Politechnika Rzeszowska, Katedra Metod Ilościowych WYKORZYSTANIE ANALIZY ASOCJACYJNEJ W ZARZĄDZANIU SERWISEM FLOTY POJAZDÓW 101 Mateusz Marzec, Reliability Solutions Sp. z o.o.; Akademia Górniczo-Hutnicza, Katedra Robotyki i Mechatroniki PORÓWNANIE SZTUCZNYCH SIECI NEURONOWYCH I REGRESJI LOGISTYCZNEJ W ANALIZIE DANYCH Z MEDYCYNY ROZRODU 123 Robert Milewski, Uniwersytet Medyczny w Białymstoku, Zakład Statystyki i Informatyki Medycznej.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 144226, 143969, 144225 (3 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych oraz doskonalenie procesów produkcyjnych z wykorzystaniem analizy danych / [red. nauk. Jacek Jakubowski]. - Kraków : Statsoft Polska, 2015. - 216 s. : il. ; 24 cm.

Autor

Jakubowski Jacek (1954- ).

Temat

Data Mining (metoda) Metodologia Przemysł Statistica (oprogramowanie) Statystyka

Gatunek

Materiały konferencyjne

Materiały na Seminarium "Zastosowania statystyki i data mining w badaniach naukowych oraz doskonalenie procesów produkcyjnych z wykorzystaniem analizy danych", Warszawa, 13-15 października 2015 r. - dokładna daty impr. na s. internet. org.

Bibliogr., netogr., wykaz norm przy niektórych referatach.

ZASTOSOWANIA STATYSTYKI I DATA MINING W BADANIACH NAUKOWYCH 5 BRAK PROGRAMU WYBORCZEGO JAKO STRATEGIA KAMPANII I JEJ SKUTECZNOŚĆ W ZALEŻNOŚCI OD SEGMENTU ELEKTORATU 7 JAK DŁUGO ŻYJĄ SPÓŁKI NA POLSKIEJ GIEŁDZIE? ZASTOSOWANIE STATYSTYCZNEJ ANALIZY PRZEŻYCIA DO MODELOWANIA UPADŁOŚCI PRZEDSIĘBIORSTW 41 JAK UNIKNĄĆ PUŁAPEK PRZY BUDOWANIU SIECI NEURONOWYCH? PRZEWIDYWANIE WYNIKÓW OPERACJI ZATOK PRZYNOSOWYCH 59 PLANOWANIE DOŚWIADCZEŃ I STATYSTYCZNA ANALIZA DANYCH EKSPERYMENTALNYCH NA PRZYKŁADZIE DOŚWIADCZENIA ROLNICZEGO 81 WYKORZYSTANIE PROGRAMU STATISTICA DO ROZWIĄZYWANIA ZŁOŻONYCH ZAGADNIEŃ W OBSZARZE INŻYNIERII MATERIAŁÓW BUDOWLANYCH 101 DOSKONALENIE PROCESÓW PRODUKCYJNYCH Z WYKORZYSTANIEM ANALIZY DANYCH 127 ROZWIĄZANIA STATSOFT POLSKA DLA PRZEMYSŁU 129 WDROŻENIE, FUNKCJONOWANIE I KORZYŚCI Z SPC I MSA W FIRMIE PRODUKCYJNEJ 139 ANALIZA DANYCH PRODUKCYJNYCH W DOSKONALENIU PROCESU PAKOWANIA 149 EFEKTYWNE WYKORZYSTANIE PAKIETU STATISTICA ENTERPRISE W KONTEKŚCIE WIELOASPEKTOWEJ ANALIZY DUŻEJ ILOŚCI DANYCH PROCESOWYCH 167 ANALIZA NIEZAWODNOŚCI DLA ROZWIĄZAŃ KONSTRUKCYJNYCH MAJĄCYCH WPŁYW NA BEZPIECZEŃSTWO. URZĄDZENIE ZAWIERAJĄCE ŁATWOPALNY CZYNNIK CHŁODNICZY 179 ZASTOSOWANIE NARZĘDZI STATYSTYCZNYCH DO POPRAWY NIEZAWODNOŚCI I BEZPIECZEŃSTWA MASZYN POPRZEZ PREDYKCJĘ AWARII ORAZ POPRAWĘ POKRYCIA DIAGNOSTYCZNEGO MASZYN 191 WIZUALNE ODKRYWANIE WIEDZY W STATISTICA INTERACTIVE VISUALISATION & DASHBOARDS 205.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 144220, 143967, 144223, 144222, 144224, 144221 (6 egz.)

Brak okładki

Książka

W koszyku

Agent and Multi-Agent Systems : Technologies and Applications : 4th KES International Symposium, KES-AMSTA 2010, Gdynia, Poland, June 23-25, 2010 : Proceesings. Part 2 / Eds. Piotr Jędrzejowicz [et al. ; aut. Brooke Abrahams et al.]. - Berlin [etc.] : Springer, cop. 2010. - XVIII, 411 s. : il. ; 24 cm.

(Lecture Notes in Artificial Intelligence. Lecture Notes in Artificial Intelligence, ISSN 0302-9743 ; 6071)

Autor

Jędrzejowicz Piotr. Abrahams Brooke.

Temat

Sztuczna inteligencja. Informatyka Data Mining (metoda) Systemy informacyjne

Gatunek

Materiały konferencyjne

Nazwy aut, na s. [409]-411.

Zawiera spis tresci cz. 1.

Bibliogr. przy ref. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. Z 8263 L (1 egz.)

Brak okładki

Książka

W koszyku

Statystyczne systemy uczące się / Jacek Koronacki, Jan Ćwik. - Warszawa : Wydaw-a Naukowo-Techniczne, 2005. - 292 s. : il., rys., schem., tab., wykr. ; 24 cm.

Autor

Koronacki Jacek. Ćwik Jan.

Temat

Statystyka DANE WIELOWYMIAROWE Data Mining (metoda) Uczenie maszynowe. ANALIZA DYSKRYMINACYJNA ANALIZA REGRESJI ZMIENNE UKRYTE Metody statystyczne. Sieci neuronowe

Bibliogr.s. [285] - 287

Sygnatura czytelni BMW: IV A 45 (nowy)

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 112761 N (1 egz.)

Brak okładki

Książka

W koszyku

Obliczenia ewolucyjne w eksploracji danych : globalna indukcja drzew decyzyjnych / Marek Krętowski. - Białystok : Wydawnictwo Politechniki Białostockiej, 2008. - 170 s. : il. ; 23 cm.

(Rozprawy Naukowe / Politechnika Białostocka, ISSN 0867-096X ; nr 158)

Autor

Krętowski Marek.

Temat

Decyzje Algorytmy genetyczne Data Mining (metoda)

Bibliogr. s. 155-168. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 121354 L (1 egz.)

Brak okładki

Książka

W koszyku

Metody i modele eksploracji danych / Daniel T. Larose ; z jęz. ang. przeł. Anna Wilbik. - Warszawa : Wydawnictwo Naukowe PWN, 2008. - XVI, 339 s. : il. ; 25 cm.

(Informatyka - Zastosowania)

Autor

Larose Daniel T. (1957- ). Wilbik Anna.

Temat

Data Mining (metoda)

Gatunek

Podręczniki

Tyt. oryg.: Data Mining Methods and Models.

Bibliogr. s. [336] i przy rozdz. Indeks.

Dla studentów informatyki, ekonomii, zarządzania na uniwersytetach, uczelniach technicznych i ekonomicznych, wykładowców i osób prowadzących ćwiczenia z eksploracji danych i przedmiotów pokrewnych oraz dla menadżerów, dyrektorów IT, finansistów i naukowców.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 120029 L, 122576 (2 egz.)

Brak okładki

Książka

W koszyku

Odkrywanie wiedzy z danych : wprowadzenie do eksploracji danych / Daniel T. Larose ; z języka angielskiego przełożył Anna Wilbik. - Warszawa : Wydawnictwo Naukowe PWN, 2006. - XVI, 227 stron : ilustracje ; 25 cm.

(Informatyka - Zastosowania)

Autor

Larose Daniel T. (1957- ) Wilbik Anna

Forma i typ

Książki Publikacje fachowe

Temat

Data Mining (metoda).

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia na stronie 233 i przy rozdziałach. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 115206 N (1 egz.)

Brak okładki

Książka

W koszyku

Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw : zastosowania SAS Enterprise Miner / Mirosława Lasek. - Warszawa : Centrum Doradztwa i Informacji Difin, 2007. - 174 s. : il. ; 23 cm.

(Studia Informatyki Gospodarczej)

Autor

Lasek Mirosława (1955- ).

Temat

Data Mining (metoda) Przedsiębiorstwa Statistical Analysis System

Bibliogr. s. [159]-160.

Sygnatura czytelni BWZ: VIII C 67

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 115468 (1 egz.)

Biblioteka WEiZ

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. E 2521 (1 egz.)

Brak okładki

Książka

W koszyku

Algorytmn redukcji wymiaru i liczności próby dla celów procedur eksploracyjnej analizy danych / Szymon Łukasik ; Politechnika Krakowska im. Tadeusza Kościuszki. - Kraków : Wydawnictwo PK [Politechniki Krakowskiej], 2013. - 75 s. : il. ; 24 cm.

(Monografia / Politechnika Krakowska im. Tadeusza Kościuszki, ISSN 0860-097X ; 422)

(Inżynieria Elektryczna i Komputerowa)

Autor

Łukasik Szymon.

Temat

Redukcja wymiaru Redukcja liczności próby Transformacja liniowa Wyżarzanie równoległe szybkie symulowane Analiza danych. Data Mining (metoda)

Bibliogr. s. [68]-73.

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 135820 (1 egz.)