Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
26 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 лабораторних робіт за темою "Перевірка гіпотез про вектори середніх і класифікація об'єктів для багатовимірного випадку" з курсу "Аналіз даних"(Національний технічний університет "Харківський політехнічний інститут", 2017) Безменов, Микола Іванович; Безменова, Ольга Миколаївна; Калінін, Денис ВікторовичВиконання лабораторної роботи № 1 і частково лабораторної роботи № 2 орієнтоване на використання для перевірки гіпотез так називаного P-значення. Під P-значенням розуміють ймовірність помилки при відкиданні нульової гіпотези (ймовірність помилки першого роду). Перевірка гіпотез за допомогою P-значення є альтернативою класичній процедурі перевірки через критичне значення розподілу, під яким розуміютьзначення непе ревної випадкової величини, ймовірність перевищення якого дорівнює наперед заданому значенню.Документ Методичні вказівки до лабораторних робіт за темою "Обробка аномальних спостережень" з курсу "Аналіз даних"(Національний технічний університет "Харківський політехнічний інститут", 2017) Безменов, Микола Іванович; Безменова, Ольга Миколаївна; Калінін, Денис ВікторовичВиконання лабораторних робіт, методичні вказівки до яких зібрані в цьому виданні, орієнтоване на використання для перевірки гіпотез так називаного P-значення. Під P-значенням розуміють ймовірність помилки при відкиданні нульової гіпотези (ймовірність помилки першого роду). Перевірка гіпотез за допомогою P-значення є альтернативою класичній процедурі перевірки через критичне значення розподілу, під яким розуміютьзначення неперевної випадкової величини, ймовірність перевищення якого дорівнює наперед заданому значенню.Документ Методичні вказівки до лабораторних робіт за темою "Оцінювання наявності зв'язку між дискретними параметрами"(Національний технічний університет "Харківський політехнічний інститут", 2017) Безменов, Микола Іванович; Безменова, Ольга Миколаївна; Калінін, Денис ВікторовичДокумент Методичні вказівки до лабораторних робіт за темою "Перевірка гіпотез для неперервних параметрів" з курсу "Аналіз даних"(Національний технічний університет "Харківський політехнічний інститут", 2017) Безменов, Микола Іванович; Безменова, Ольга Миколаївна; Калінін, Денис ВікторовичДокумент 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.
- «
- 1 (current)
- 2
- 3
- »