Класифікація методів аналізу Великих даних

Authors:

Верес О. М., Оливко Р. М.

Національний університет “Львівська політехніка”, кафедра інформаційних систем та мереж

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.

інтелектуальний аналіз даних

Техt Mining

MapReduce

1. Майер-Шенбергер В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Виктор Майер-Шенбергер, Кеннет Кукьер ; пер. с англ. Инны Гайдюк. – М. : Манн, Иванов и Фербер, 2014. – 240 с.

2. Большие данные и аналитика [Електронний ресурс]. – Режим доступу: http://www-03.ibm.com/systems/ru/technicalcomputing/bigdata.html

3. Агеева А. Аналитики предупредили об опасности больших данных [Електронний ресурс] / Анна Агеева. – Режим доступу: http://bigdata.cnews.ru/news/top/2015-10-23_eksperty_predosteregayut_ot_....

4. Названы причины торможения рынка больших данных [Електронний ресурс]. – Режим доступу: http://bigdata.cnews.ru/news/top/2015-11-20_analitiki _otsenili_tempy_rosta_ mirovogo_rynka.

5. Коэн Дж. МОГучие способности: новые приемы анализа больших данных [Електронний ресурс] / Джеффри Коэн, Брайен Долэн, Марк Данлэп, Джозеф Хеллерстейн, Кейлэб Велтон; пер. с англ. Сергей Кузнецов. – Режим доступу: http://citforum.ru/database/articles/mad_skills/

6. History and evolution of big data analytics [Електронний ресурс]. – Режим доступу:https://www.sas.com/en_us/insights/analytics/big-data-analytics.html

7. Mitchell R. 8 big trends in big data analytics [Електронний ресурс] / Robert L. Mitchell // Computerworld, OCT 23, 2014. – Режим доступу :http://www.computerworld.com/article/ 2690856/big-data/8-big-trends-in-big-data-analytics.html

8. Боль- шие данные (Big Data) [Електронний ресурс]. – Режим доступу: http://tadviser.ru/a/125096.

9. Inmon W. H. Big Data – getting it right: A checklist to evaluate your environment / [Електронний ресурс] / W. H. Inmon. // DSSResources.COM, – 2014. – Режим доступу: http://dssresources.com/papers/features/ inmon/inmon01162014.htm.

10. Шаховська Н. Б. Організація великих даних у розподіленому середовищі / Н. Б. Шаховська, Ю. Я. Болюбаш, О. М. Верес // Обчислювальна техніка та автоматизація: [зб. наук. пр. ДонНТУ]. – Донецьк, 2014. – С. 147–155. – (Вісник / ДонНТУ ; № 2 (27).

11. Shakhovska N. B. Big Data Federated Repository Model / N. B. Shakhovska, Yu. Ja. Bolubash, O. M. Veres // The Experience of Designing and Application of CAD Systems in Microelectronics (СADMS’2015) Proc. ofthe XIII-thInt. Conf., (Polyana-Svalyava (Zakarpattya), Ukraine, 24-27 February, 2015). – Lviv: Publishing Lviv Polytechnic, 2015. – P. 382–384.

12. Veres O. Elements of the Formal Model Big Data / Oleh Veres, Natalya Shakhovska // Перспективні технології і методи проектування МЕМС: матеріали ХІ міжнар. конф. MEMSTECH’2015, 2–6 вересня 2015, Львів / Нац. ун-т "Львів. політехніка". – Львів: Вид-во Львів. політехніки, 2015. – C. 81–83.

13. Shakhovska N. Data space architecture for Big Data managering / N. Shakhovska, O. Veres, Y. Bolubash, L. Bychkovska-Lipinska // Xth International Scientific and Technical Conference "Computer Sciences and Information Technologies" (CSIT’2015). – Р. 184–187, Lviv, 2015. DOI: 10.1109/STC-CSIT.2015.7325461

14. Shakhovska N. Generalized formal model of Big Data / N. Shakhovska, O. Veres and M. Hirnyak, // ECONTECHMOD: an international quarterly journal on economics of technology and modelling processes, vol. 5, no. 2, 2016. – Р. 33–38.

15. Shakhovska N. Big Data Information Technology and Data Space Architecture / N. Shakhovska, O. Veres, Y. Bolubash // Sensors & Transducers, vol. 195, no. 12. Р. 69–76, 2015.

16. Барсегян А. А. Анализ данных и процессов / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. – 3-е изд. перераб. и доп. – СПб.: БХВ-Петербург, 2009. – 512 с.

17. Паклин Н. Б. Бизнес-аналитика: от данных к знаниям (+ СD) / Н. Б. Паклин, В. И. Орешков. – СПб.: Питер, 2009. – 624 с.

18. Дюк В. Data Mining: учебный курс (+CD) / В. Дюк, А. Самойленко. – СПб.: Питер, 2001. – 368 с.

19. Manyika J. Big data: The next frontier for innovation, competition, and productivity / Manyika James. Mc Kinsey Global Institute, June, 2011. – 156 с.

20. ЖуравлёвЮ. И. Распознавание. Математические методы. Программная система. Практические применения / Ю. И. Журавлёв, В. В. Рязанов, О. В. Сенько. – М. : Фазис, 2006. – 176 с.

21. Зиновьев А. Ю. Визуализация многомерных данных / А. Ю. Зиновьев. – Красноярск: Изд. Красноярского гос. техн. ун-та, 2000. – 180 с.

22. Чубукова И. А. Data Mining: учеб. пособ. / И. А. Чубукова. – М. : Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. – 382 с.

23. Ситник В. Ф. Інтелектуальний аналіз даних (дейтамайнінг): навч. посіб. /В. Ф. Ситник, М. Т. Краснюк. – К.: КНЕУ, 2007. – 376 с.

24. Ian H. Witten. Data Mining: Practical Machine Learning Tools and Techniques / Ian H. Witten, Eibe Frank, Mark A. Hall. – 3rd Edition. – Morgan Kaufmann, 2011. – 664 c.

25. Marr B. Big Data: Using SMART Big Data, Analytics and Metrics to Make Better Decisions and Improve Performance / Bernard Marr. – John Wiley&Sons Ltd, 2015. – 256 с.

26. Einav L. The Data Revolution and Economic Analysis [Електронний ресурс] / Liran Einav, Jonathan Levin // NBER Working PaperNo. 19035, 2013. – Режим доступу : http://www.nber.org/chapters/c12942.pdf

27. Ваняшин А. За большими данными следит ПАНДА / А. Ваняшин, А. Климентов, В. Кореньков // Суперкомпьютеры. 2013. – № 3 (11). – С. 56–61

28. Серов Д. Аналитика “больших данных” – новые перспективы [Електронний ресурс] / Денис Серов // “StorageNews”, №1 (49), 2012. – Режим доступу : http://www.storagenews.ru/49/EMC_BigData_49.pdf

29. Ronen Sh. Links that speak: The global language network and its association with global fame [Електронний ресурс] / Shahar Ronen, Bruno Gonçalves, Kevin Z. Hu, Alessandro Vespignani, Steven Pinker, César A. Hidalgo // PNAS, Vol. 111, No. 52, 2014. – Режим доступу : http://stevenpinker.com/files/pinker/files /pnas_hildago_et_al_global_language_network_2014.pdf

30. Aflalo Y. Spectral multidimensional scaling [Електронний ресурс] / Yonathan Aflalo, Ron Kimmel // PNAS, vol. 110, no. 45, November 5, 2013. – Режим доступу :http://www.cs.technion.ac.il/~ron/PAPERS/Journal/AflaloKimmelPNAS2013.pdf

31. Gadepally V. Big Data Dimensional Analysis [Електронний ресурс] / Vijay Gadepally, Jeremy Kepner. arXiv:1408.0517v1. – Режим доступу : https://arxiv.org/pdf/1408.0517v1.pdf

32. Weinstein M. Analyzing Big Data with Dynamic Quantum Clustering [Електронний ресурс] / M. Weinstein, F. Meirer, A. Hume, Ph. Sciau, G. Shaked, R. Hofstetter, E. Persi, A. Mehta, D. Horn. arXiv:1310.2700.– Режим доступу : https://arxiv.org/ftp/arxiv/papers/1310/1310.2700.pdf.

33. Паклин, Н. Б. Бизнес-аналитика: от данных к знаниям [Текст] : учеб. пособ. / Н. Б. Паклин, В. И. Орешков. – 2-е изд., испр. –– СПб. : Питер, 2013. – 702 с.

34. Желязны Д. Говори на языке диаграмм : пособие по визуальным коммуникациям для руководителей / Д. Желязны. – М. : Институт комплексных стратегических исследований, 2004. –220 с.

35. Роэм Д. Практика визуального мышления. Оригинальный метод решения сложных проблем / Д. Роэм. – М . : Манн, Иванов и Фербер, 2014. – 396 с.

36. Тафти Э. Представление информации [Електронний ресурс] / Э. Тафти. – Режим доступу : http://envisioninginformation.daiquiri.ru/15

37.Яу Н. Искусство визуализации в бизнесе. Как представить сложную информацию простыми образами / Н. Яу. – М. : Манн, Иванов и Фербер, 2013. – 352 с.

38. Iliinsky N. Designing Data Visualizations / N. Iliinsky, J. Steele. – Sebastopol :O’Reilly, 2011. – 110 с.

39. Krum R. Cool infographics: effective communication with datavisualization and design / R. Krum. – Indianapolis: Wiley, 2014. – 348 с.

40. Тьюки Дж. Анализ результатов наблюдений: разведочный анализ / Дж. Тьюки; под ред. В. Ф. Пи- саренко. – М.: Мир, 1981. – 693 с.

41. Alper C. New Software for Visualizing the Past, Presentand Future [Електронний ресурс] / C. Alper, K. Brown, G. R. Wagner // DSSResources.COM, 09/23/2006. –Режим доступу :http://dssresources.com/papers/ features/alperbrown&wagner/alperbrown&wagner 9212006.html

42. Барсегян А. А. Анализ данных и процессов: учеб. пособ. / А. А. Барсегян, М. С. Куп- риянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. – – 3-е изд. перераб. и доп. – СПб.: БХВ-Петербург,2009. – 512 с.

43. Text Mining [Електронний ресурс]. – Режим доступу: http:/ /statsoft.ru/home/textbook/modules/sttextmin. html#index

44. Ландэ Д. Глубинный анализ текстов: технология эффективного анализа текстовых данных [Електронний ресурс] / Дмитрий Ландэ. –Режим доступу: http://visti.net/~dwl/art/dz/

45. Барсегян А. А. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP / А. А. Барсегян, М. С. Куприянов, В. В. Степаненко, И. И. Холод. – 2-е изд. перераб. и доп. – СПб.: БХВ-Петербург, 2007. – 384 с.

46. Линючев П. Text Mining: современ- ные технологии на информационных рудниках [Електронний ресурс] / Павел Линючев // PC Week/RE№6 (564), 27 февраля – 5 марта 2007. – Режим доступу до ресурсу:https://www.pcweek.ru/idea/article/detail.php?ID=82081

47. Плескач В. Л. Інформаційні системи і технології на підприємствах : підручник / В. Л. Плескач, Т. Г. Затонацька. – К. : Знання, 2011. – 718 с.

48. Стоунбрейкер М. MapReduce и параллельные СУБД: друзья или враги? [Електронний ресурс] / Майкл Стоунбрейкер, Дэниэль Абади, Дэвит Девитт, Сэм Мэдден, Эрик Паулсон, Эндрю Павло, Александр Разин ; пер. с англ. Сергей Кузнецов // Communications of the ACM, vol. 53, no. 1, January 2010. – Режим доступу: http://citforum.ru/database/articles/mr_vs_dbms-2/

49. Березин А. Map-Reduce на примере MongoDB [Електронний ресурс] / Антон Березин. – Режим доступа:https://habrahabr.ru/post/184130/

50. Лебеденко Е. Технология GoogleMapReduce: разделяй и властвуй [Електронний ресурс] / Евгений Лебеденко. – Режим доступа :http://www.computerra.ru/82659/mapreduce/

51. Павло Э. Сравнение подходов к крупномасштабному анализу данных [Електронний ресурс] / Эндрю Павло, Эрик Паулсон, Александр Разин, Дэниэль Абади, Дэвид Девитт, Сэмюэль Мэдден, Майкл Стоунбрейкер; пер. с англ. Сергей Кузнецов. – Режим доступа :http://citforum.ru/database/articles/mr_vs_dbms/2.shtml

52. BigData от А до Я. Часть 1: Принципы работы с большими данными, парадигма MapReduce [Електронний ресурс] . – Режим доступа:https://habrahabr.ru/company/dca/blog/267361/

53. Big data от А до Я. Часть 3: Приемы и стратегии разработки MapReduce-приложений [Електронний ресурс]. – Режим доступа:https://habrahabr.ru/company/dca/blog/270453/

54. Гаврилова Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. – СПб. : Питер, 2000. – 384 с.

55. Гаврилова Т. А. Онтология для изучения инженерии знаний // Труды Международной научно-практической конференции KDS-2001. – 2001.

56. Гаврилова Т. А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем // Новости искусственного интеллекта. – 2003. – № 2. – С. 24–30.

57. Литвин В. В. Бази знань інтелектуальних систем підтримки прийняття рішень: монографія / В. В. Литвин; Міністерство освіти і науки, молоді та спорту України, Національний університет “Львівська політехніка”. – Львів : Вид-во Львівської політехніки, 2011. – 240 с.