Перейти до головного вмісту
Українська (uk)
Українська (uk)
English (en)
Наразі ви використовуєте гостьовий доступ (
Увійти
)
Алгоритми та методи аналізу великих даних
На головну
Курси
Механічний факультет
Комп'ютерних наук і інформаційних систем
доц. Пронін С.В.
АтМАВД
Схема розділу
Виберіть розділ Загальна інформація
Згорнути
Розгорнути
Загальна інформація
Згорнути все
Розгорнути всі
Виберіть дію Announcements
Announcements
Форум
Виберіть розділ Дістанційне навчання
Згорнути
Розгорнути
Дістанційне навчання
Виберіть розділ Методичні матеріали
Згорнути
Розгорнути
Методичні матеріали
Виберіть розділ Тема 1. Великі дані як об’єкт наукового та прикладного аналізу
Згорнути
Розгорнути
Тема 1. Великі дані як об’єкт наукового та прикладного аналізу
Виберіть розділ Тема 2. Методи підготовки та попередньої обробки великих даних
Згорнути
Розгорнути
Тема 2. Методи підготовки та попередньої обробки великих даних
Виберіть розділ Тема 3. Алгоритми регресійного аналізу великих даних
Згорнути
Розгорнути
Тема 3. Алгоритми регресійного аналізу великих даних
Виберіть розділ Тема 4. Алгоритми кластеризації та класифікації виявлення структури даних
Згорнути
Розгорнути
Тема 4. Алгоритми кластеризації та класифікації виявлення структури даних
Виберіть розділ Тема 5. Методи зниження розмірності та виявлення закономірностей у великих даних
Згорнути
Розгорнути
Тема 5. Методи зниження розмірності та виявлення закономірностей у великих даних
Виберіть розділ Тема 6. Методи аналізу часових послідовностей та прогнозування на основі великих даних
Згорнути
Розгорнути
Тема 6. Методи аналізу часових послідовностей та прогнозування на основі великих даних
Виберіть розділ Тема 7. Алгоритми та технології масштабованої і розподіленої обробки великих даних
Згорнути
Розгорнути
Тема 7. Алгоритми та технології масштабованої і розподіленої обробки великих даних
Виберіть розділ Тема 8. Методологія експериментального дослідження алгоритмів аналізу великих даних
Згорнути
Розгорнути
Тема 8. Методологія експериментального дослідження алгоритмів аналізу великих даних