інтелектуальний аналіз даних

Завдяки стрімкому розвитку інформаційних технологій, які широко використовуються у всіх сферах людського життя та діяльності, сьогодні накопичено надзвичайно великі обсяги даних. Відповідно застосування методів машинного навчання до цих даних дає змогу отримати нові практично корисні знання, які можуть бути використані для маркетингових, управлінських та дослідницьких цілей. Серед завдань інтелектуального аналізу даних – задачі регресії, прогнозування, кластеризації, класифікації та асоціативних правил. У цьому дослідженні розв’язано задачу бінарної класифікації.

Розглянуто класифікацію повідомлень груп новин у просторі семантичних полів. Проаналізовано ефективність баєсівського класифікатора та класифікатора за найближчими сусідами для різних навчальних та тестових вибірок повідомлень. Показано існування підмножини груп новин, для яких використання аналізованих класифікаторів є ефективним.

Проаналізовано проблеми підвищення точності нейроподібних структур машини геометричних перетворень (МГП) під час розв’язання завдань передбачення в галузі інтелектуального аналізу даних (ІАД). Розроблений в статті метод передбачення на основі виділення головних компонент шляхом об’єднання вхідних тренувальних та тестових даних ілюструється прикладом.

Здійснено аналітичний огляд розвитку концепту Data Lakes та його застосування у різних галузях як частини рішень концепту Big data. Розглянуто наявні стандартні архітектурні рішення для організації Data Lake. Також взято до уваги спеціалізовані напрями, що потребують відмінних чи додаткових аспектів для вирішення поставлених завдань, залежно від галузі використання Data Lake. Для правильної організації Data Lake застосовують різноманітні засоби опрацювання даних, зокрема розподілені системи зберігання даних, семантичні мережі та особливо метадані.

Prevalence of diabetes in Gulf countries is knowing a significant increase because of various risk factors, such as: obesity, unhealthy diet, physical inactivity and smoking.  The aim of our proposed study is to use Data Mining and Data Analysis tools in order to determine different risk factors of the development of Type 2 diabetes mellitus (T2DM) in Gulf countries, from Gulf COAST dataset.

Досліджено особливості інтелектуальних компонент інтегрованих автоматизо- ваних систем управління. Розглянуто створення інтелектуальної компоненти ІАСУ для енергетичних систем. Запропоновано нейромережні методи прогнозування споживання електроенергії підприємством на основі машини геометричних перетворень. Наведено результати проведених експериментів.

Описано особливості класифікації методів і технологій аналітики Великих даних, групи методів і технологій аналітики Великих даних, які класифікуються з урахуванням функціональних зв’язків та формальної моделі цієї інформаційної технології. Розв’язано задачу визначення концептів онтології аналітики Великих даних.

Нові інформаційні телекомунікаційні технології сприяють оптимізації управління навчальним процесом. Запропоновано інноваційні підходи до поліпшення навчальної програми вищої освіти у сфері ІТ. Розглянуто методи пошуку і залучення студентів до наукової та практичної роботи завдяки їх участі в командних змаганнях і спільних міжвузівських науково-практичних проектах. Узагальнено і подано методологічні наукові результати з проблематики впровадження технологій та методів дистанційного навчання.

Проаналізовано сучасний стан моделей і методів побудови рекомендаційних систем. Виділено основні класи задач, які розв’язують рекомендаційні системи. Показано особливості застосування методу спільної фільтрації. Розроблено метод розрахунку коефіцієнтів подібності, який враховує розрідженість векторів рейтингів товарів і користувачів.

Проаналізовано поточний стан розробки та застосування рекомендаційних систем, моделей і методів побудови рекомендаційних систем. Показано, що найбільш широко використовується метод колаборативної фільтрації фільтрації. Розроблено метод нечіткої кластеризації, який підвищує точність прогнозування рейтингів продуктів.