Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
15 результатів
Результати пошуку
Документ Статистичний аналіз даних(Національний технічний університет "Харківський політехнічний інститут", 2024) Гардер, Сергій Євгенійович; Корніль, Тетяна Леонівна; Голотайстрова, Галина Олександрівна; Іглін, Сергій ПетровичНавчально-методичний посібник призначено для використання в навчальному процесі при виконанні лабораторних робіт із курсу «Статистичний аналіз даних». Кожна лабораторна робота містить теоретичні відомості за темою відповідної роботи, опис виконання роботи, розібрані приклади виконання задач. Призначено для студентів спеціальностей 113 «Прикладна математика» та 122 «Комп’ютерні науки».Документ Статистичний аналіз даних(Національний технічний університет "Харківський політехнічний інститут", 2024) Гардер, Сергій Євгенійович; Корніль, Тетяна Леонівна; Голотайстрова, Галина ОлександрівнаНавчально-методичний посібник призначено для використання в навчальному процесі при виконанні лабораторних робіт із курсу "Статистичний аналіз даних". Кожна лабораторна робота містить теоретичні відомості за темою відповідної роботи, опис виконання роботи, розібрані приклади виконання задач. Призначено для студентів спеціальностей 113 "Прикладна математика" та 122 "Комп’ютерні науки".Документ Методичні вказівки до виконання лабораторних робіт "Основи Python для Data Science" з дисципліни "Основи Python для Data Science"(Національний технічний університет "Харківський політехнічний інститут", 2023) Лисенко, Антон ОлександровичВеликі дані стали невід'ємною частиною нашого цифрового світу, відкриваючи нові можливості для здобуття знань. Дисципліна "Основи Python для Data Science" дозволяє усвідомити основні концепції, технології та принципи, які є фундаментом аналізу даних. Мета цих методичних вказівок – надати студентам базове розуміння методів підготовки та очищення даних для їх подальшої обробки за допомогою алгоритмів машинного навчання. Ви отримаєте можливість ознайомитися з ключовими інструментами та бібліотеками Python, а також техніками, необхідними для аналізу даних. Лабораторні роботи спрямовані на розвиток практичного досвіду в аналізі даних, візуалізації та інтерпретації отриманих результатів. Методичні вказівки складаються з восьми лабораторних завдань, кожне з яких зосереджене на конкретному аспекті аналізу даних. Кожне завдання включає опис задачі, необхідні теоретичні матеріали, приклади коду та практичні поради для вирішення конкретних проблем. Також вказівки містять рекомендації з ефективного використання ресурсів та джерел для додаткового самостійного навчання. Для успішного виконання лабораторних завдань необхідно мати базові знання з програмування, математичної статистики та лінійної алгебри. Важливо також мати бажання експериментувати та вдосконалювати свої навички. Систематичний підхід та увага до деталей у виконанні кожної лабораторної роботи дозволять вам отримати максимальну користь та розвинути навички в цій захоплюючій сфері.Документ Досвід навчання в дистанційному курсі "Аналіз даних та статистичне виведення на мові R"(2023) Семенов, Євгеній Олександрович; Твердохлєбова, Наталя ЄвгеніївнаНаведено практичний досвід навчання в дистанційному курсі «Аналіз даних та статистичне виведення на мові R». Зроблено висновок щодо можливості використання цього курсу студентами, що навчаються за освітньо-професійною програмою «Охорона праці» спеціальність 263 «Цивільна безпека».Публікація Маркетингове ціноутворення як ключовий інструмент стратегії бізнесу(Національний технічний університет "Харківський політехнічний інститут", 2023) Васильцова, Світлана ОлександрівнаДокумент Методичні вказівки до лабораторної роботи "Основи роботи з бібліотекою Pandas"(2022) Коваленко, Світлана Миколаївна; Коваленко, Сергій ВолодимировичУ методичних вказівках дається опис теоретичних основ для отримання практичних навичок використання бібліотеки Pandas. Наприкінці вказівок наведено завдання для виконання під час лабораторних робіт. Pandas – це швидкий, потужний, гнучкий і простий у використанні інструмент аналізу та обробки даних з відкритим кодом, побудований на основі мови програмування Python. Pandas є корисним інструментом при роботі з табличними даними, що зберігаються в електронних таблицях або базах даних.Документ Історія розвитку сімейства нейронних мереж R-CNN(Національний технічний університет "Харківський політехнічний інститут", 2022) Оніщенко, Даніїл Павлович; Ткаченко, Світлана СергіївнаПублікація Способи захисту корпоративних інформаційних систем(ФОП Петров В. В., 2021) Круглова, Д. С.; Панченко, Володимир ІвановичДокумент Числові методи аналізу з охорони праці(2022) Семенов, Євгеній Олександрович; Райко, Валентина Федорівна; Ільїнська, Ольга ІгорівнаДаний практикум має на меті формування у майбутніх фахівців вміння практичного застосування отриманих знань з курсу «Числові методи аналізу з охорони праці» і використання їх для розробки корегуючих заходів з менеджмента безпеки праці економічних структур, методів систематизації, опрацювання й аналізу масових експериментальних чисельних даних з розробки стратегії підприємств у забезпеченні промислової безпеки і здоров’я працюючих.Документ Analysis and comparison of the waste management development in Hungary and Slovakia(Національний технічний університет "Харківський політехнічний інститут", 2022) Akkad, M. Z.; Bányai, T.Waste production is an indispensable human process that happens daily in all communities. With the population increase and the industry developments, the waste amounts are growing, and their treating processes are taking a bigger share of the transportation and handling tasks in the city logistics. These waste collection, transportation, and treatment are described as waste management has been investigated and developed especially with the various application, solutions, and developments in the logistics, transportation, and industrial areas. Also, with the higher attention to the environmental impact in the different areas, the green aspect of waste management takes more importance particularly in city logistics where congestion occurs regularly. Within this work, waste management is analyzed in Europe generally and Hungary specifically. Eurostat database is used for that purpose next to previous research work tackling this topic. Also, a comparison between the waste management operations in Hungary and Slovakia is discussed to show the difference of these operations’ developments between the two countries between 2014 and 2020.