Skip navigation
DSpace logo
  1. Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"
  2. Електронний архів Науково-технічної бібліотеки
  3. Вісники та науково-технічні збірники, журнали
  4. Інформаційні системи та мережі
  5. Інформаційні системи та мережі. – 2017. – №872

putin IS MURDERER

Please use this identifier to cite or link to this item: https://oldena.lpnu.ua/handle/ntb/42944
Title: Класифікація методів аналізу Великих даних
Other Titles: Classification of methods for the big data analytics
Authors: Верес, О. М.
Оливко, Р. М.
Affiliation: Національний університет “Львівська політехніка”
Bibliographic description (Ukraine): Верес О. М. Класифікація методів аналізу Великих даних / О. М. Верес, Р. М. Оливко // Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2017. — № 872. — С. 84–92.
Bibliographic description (International): Veres O. M. Classification of methods for the big data analytics / O. M. Veres, R. M. Olivko // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Serie: Informatsiini systemy ta merezhi. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2017. — No 872. — P. 84–92.
Is part of: Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі, 872, 2017
Journal/Collection: Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі
Issue: 872
Issue Date: 28-Mar-2017
Publisher: Видавництво Львівської політехніки
Place of the edition/event: Львів
UDC: 004.652
Keywords: аналіз
Великі дані
візуалізація даних
модель
Data Mining
Text Mining
MapReduce
analysis
Big data
visualization data
model
Data Mining
Text Mining
MapReduce
Number of pages: 9
Page range: 84-92
Start page: 84
End page: 92
Abstract: 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.
This article describes the features of classification methods and technologies, analytics Big data. Described group of methods and technologies, analytics Big data that are graded according to the functional relationships and formal model of information technology. The problem of the definition of ontology concepts analytics Big data.
URI: https://ena.lpnu.ua/handle/ntb/42944
Copyright owner: © Національний університет „Львівська політехніка“, 2017
© Верес О. М., Оливко Р. М., 2017
URL for reference material: http://www-03.ibm.com/systems/ru/technicalcomputing/bigdata.html
http://bigdata.cnews.ru/news/top/2015-10-23_eksperty_predosteregayut_ot_nepravilnogo_obrashcheniya
http://bigdata.cnews.ru/news/top/2015-11-20_analitiki
http://citforum.ru/database/articles/mad_skills/
https://www.sas.com/en_us/insights/analytics/big-data-analytics.html
http://www.computerworld.com/article/
http://tadviser.ru/a/125096
http://dssresources.com/papers/features/
http://www.nber.org/chapters/c12942.pdf
http://www.storagenews.ru/49/EMC_BigData_49.pdf
http://stevenpinker.com/files/pinker/files
http://www.cs.technion.ac.il/~ron/PAPERS/Journal/AflaloKimmelPNAS2013.pdf
https://arxiv.org/pdf/1408.0517v1.pdf
https://arxiv.org/ftp/arxiv/papers/1310/1310.2700.pdf
http://envisioninginformation.daiquiri.ru/15
http://dssresources.com/papers/
http://visti.net/~dwl/art/dz/
https://www.pcweek.ru/idea/article/detail.php?ID=82081
http://citforum.ru/database/articles/mr_vs_dbms-2/
https://habrahabr.ru/post/184130/
http://www.computerra.ru/82659/mapreduce/
http://citforum.ru/database/articles/mr_vs_dbms/2.shtml
https://habrahabr.ru/company/dca/blog/267361/
https://habrahabr.ru/company/dca/blog/270453/
References (Ukraine): 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_nepravilnogo_obrashcheniya.
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.
References (International): 1. Maier-Shenberher V. Bolshie dannye. Revoliutsiia, kotoraia izmenit to, kak my zhivem, rabotaem i myslim, Viktor Maier-Shenberher, Kennet Kuker ; transl. from English Inny Haidiuk, M. : Mann, Ivanov i Ferber, 2014, 240 p.
2. Bolshie dannye i analitika [Electronic resource], Access mode: http://www-03.ibm.com/systems/ru/technicalcomputing/bigdata.html
3. Aheeva A. Analitiki predupredili ob opasnosti bolshikh dannykh [Electronic resource], Anna Aheeva, Access mode: http://bigdata.cnews.ru/news/top/2015-10-23_eksperty_predosteregayut_ot_nepravilnogo_obrashcheniya.
4. Nazvany prichiny tormozheniia rynka bolshikh dannykh [Electronic resource], Access mode: http://bigdata.cnews.ru/news/top/2015-11-20_analitiki _otsenili_tempy_rosta_ mirovogo_rynka.
5. Koen Dzh. MOHuchie sposobnosti: novye priemy analiza bolshikh dannykh [Electronic resource], Dzheffri Koen, Braien Dolen, Mark Danlep, Dzhozef Khellerstein, Keileb Velton; transl. from English Serhei Kuznetsov, Access mode: http://citforum.ru/database/articles/mad_skills/
6. History and evolution of big data analytics [Electronic resource], Access mode:https://www.sas.com/en_us/insights/analytics/big-data-analytics.html
7. Mitchell R. 8 big trends in big data analytics [Electronic resource], Robert L. Mitchell, Computerworld, OCT 23, 2014, Access mode :http://www.computerworld.com/article/ 2690856/big-data/8-big-trends-in-big-data-analytics.html
8. Bol- shie dannye (Big Data) [Electronic resource], Access mode: http://tadviser.ru/a/125096.
9. Inmon W. H. Big Data – getting it right: A checklist to evaluate your environment, [Electronic resource], W. H. Inmon., DSSResources.COM, 2014, Access mode: http://dssresources.com/papers/features/ inmon/inmon01162014.htm.
10. Shakhovska N. B. Orhanizatsiia velykykh danykh u rozpodilenomu seredovyshchi, N. B. Shakhovska, Yu. Ya. Boliubash, O. M. Veres, Obchysliuvalna tekhnika ta avtomatyzatsiia: [zb. nauk. pr. DonNTU], Donetsk, 2014, P. 147–155, (Visnyk, DonNTU ; No 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 (SADMS’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, Perspektyvni tekhnolohii i metody proektuvannia MEMS: materialy KhI mizhnar. konf. MEMSTECH2015, 2–6 veresnia 2015, Lviv, Nats. un-t "Lviv. politekhnika", Lviv: Vyd-vo Lviv. politekhniky, 2015, P. 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), R. 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, R. 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. R. 69–76, 2015.
16. Barsehian A. A. Analiz dannykh i protsessov, A. A. Barsehian, M. S. Kupriianov, I. I. Kholod, M. D. Tess, S. I. Elizarov, 3-e izd. pererab. i dop, SPb., BKhV-Peterburh, 2009, 512 p.
17. Paklin N. B. Biznes-analitika: ot dannykh k znaniiam (+ SD), N. B. Paklin, V. I. Oreshkov, SPb., Piter, 2009, 624 p.
18. Diuk V. Data Mining: uchebnyi kurs (+CD), V. Diuk, A. Samoilenko, SPb., Piter, 2001, 368 p.
19. Manyika J. Big data: The next frontier for innovation, competition, and productivity, Manyika James. Mc Kinsey Global Institute, June, 2011, 156 p.
20. ZhuravlevIu. I. Raspoznavanie. Matematicheskie metody. Prohrammnaia sistema. Prakticheskie primeneniia, Iu. I. Zhuravlev, V. V. Riazanov, O. V. Senko, M. : Fazis, 2006, 176 p.
21. Zinovev A. Iu. Vizualizatsiia mnohomernykh dannykh, A. Iu. Zinovev, Krasnoiarsk: Izd. Krasnoiarskoho hos. tekhn. un-ta, 2000, 180 p.
22. Chubukova I. A. Data Mining: tutorial, I. A. Chubukova, M. : Internet-universitet informatsionnykh tekhnolohii: BINOM: Laboratoriia znanii, 2006, 382 p.
23. Sytnyk V. F. Intelektualnyi analiz danykh (deitamaininh): tutorial /V. F. Sytnyk, M. T. Krasniuk, K., KNEU, 2007, 376 p.
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 p.
26. Einav L. The Data Revolution and Economic Analysis [Electronic resource], Liran Einav, Jonathan Levin, NBER Working PaperNo. 19035, 2013, Access mode : http://www.nber.org/chapters/P.12942.pdf
27. Vaniashin A. Za bolshimi dannymi sledit PANDA, A. Vaniashin, A. Klimentov, V. Korenkov, Superkompiutery. 2013, No 3 (11), P. 56–61
28. Serov D. Analitika "bolshikh dannykh" – novye perspektivy [Electronic resource], Denis Serov, "StorageNews", No 1 (49), 2012, Access mode : 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 [Electronic resource], Shahar Ronen, Bruno Gonçalves, Kevin Z. Hu, Alessandro Vespignani, Steven Pinker, César A. Hidalgo, PNAS, Vol. 111, No. 52, 2014, Access mode : http://stevenpinker.com/files/pinker/files /pnas_hildago_et_al_global_language_network_2014.pdf
30. Aflalo Y. Spectral multidimensional scaling [Electronic resource], Yonathan Aflalo, Ron Kimmel, PNAS, vol. 110, no. 45, November 5, 2013, Access mode :http://www.cs.technion.ac.il/~ron/PAPERS/Journal/AflaloKimmelPNAS2013.pdf
31. Gadepally V. Big Data Dimensional Analysis [Electronic resource], Vijay Gadepally, Jeremy Kepner. arXiv:1408.0517v1, Access mode : https://arxiv.org/pdf/1408.0517v1.pdf
32. Weinstein M. Analyzing Big Data with Dynamic Quantum Clustering [Electronic resource], M. Weinstein, F. Meirer, A. Hume, Ph. Sciau, G. Shaked, R. Hofstetter, E. Persi, A. Mehta, D. Horn. arXiv:1310.2700, Access mode : https://arxiv.org/ftp/arxiv/papers/1310/1310.2700.pdf.
33. Paklin, N. B. Biznes-analitika: ot dannykh k znaniiam [Text] : tutorial, N. B. Paklin, V. I. Oreshkov, 2-e izd., ispr, SPb. : Piter, 2013, 702 p.
34. Zheliazny D. Hovori na iazyke diahramm : posobie po vizualnym kommunikatsiiam dlia rukovoditelei, D. Zheliazny, M. : Institut kompleksnykh stratehicheskikh issledovanii, 2004. –220 p.
35. Roem D. Praktika vizualnoho myshleniia. Orihinalnyi metod resheniia slozhnykh problem, D. Roem, M . : Mann, Ivanov i Ferber, 2014, 396 p.
36. Tafti E. Predstavlenie informatsii [Electronic resource], E. Tafti, Access mode : http://envisioninginformation.daiquiri.ru/15
37.Iau N. Iskusstvo vizualizatsii v biznese. Kak predstavit slozhnuiu informatsiiu prostymi obrazami, N. Iau, M. : Mann, Ivanov i Ferber, 2013, 352 p.
38. Iliinsky N. Designing Data Visualizations, N. Iliinsky, J. Steele, Sebastopol :O’Reilly, 2011, 110 p.
39. Krum R. Cool infographics: effective communication with datavisualization and design, R. Krum, Indianapolis: Wiley, 2014, 348 p.
40. Tiuki Dzh. Analiz rezultatov nabliudenii: razvedochnyi analiz, Dzh. Tiuki; ed. V. F. Pi- sarenko, M., Mir, 1981, 693 p.
41. Alper C. New Software for Visualizing the Past, Presentand Future [Electronic resource], C. Alper, K. Brown, G. R. Wagner, DSSResources.COM, 09/23/2006. –Access mode :http://dssresources.com/papers/ features/alperbrown&wagner/alperbrown&wagner 9212006.html
42. Barsehian A. A. Analiz dannykh i protsessov: tutorial, A. A. Barsehian, M. S. Kup- riianov, I. I. Kholod, M. D. Tess, S. I. Elizarov, – 3-e izd. pererab. i dop, SPb., BKhV-Peterburh,2009, 512 p.
43. Text Mining [Electronic resource], Access mode: http:/ /statsoft.ru/home/textbook/modules/sttextmin. html#index
44. Lande D. Hlubinnyi analiz tekstov: tekhnolohiia effektivnoho analiza tekstovykh dannykh [Electronic resource], Dmitrii Lande. –Access mode: http://visti.net/~dwl/art/dz/
45. Barsehian A. A. Tekhnolohii analiza dannykh. Data Mining, Visual Mining, Text Mining, OLAP, A. A. Barsehian, M. S. Kupriianov, V. V. Stepanenko, I. I. Kholod, 2-e izd. pererab. i dop, SPb., BKhV-Peterburh, 2007, 384 p.
46. Liniuchev P. Text Mining: sovremen- nye tekhnolohii na informatsionnykh rudnikakh [Electronic resource], Pavel Liniuchev, PC Week/RENo 6 (564), 27 fevralia – 5 marta 2007, Access mode:https://www.pcweek.ru/idea/article/detail.php?ID=82081
47. Pleskach V. L. Informatsiini systemy i tekhnolohii na pidpryiemstvakh : pidruchnyk, V. L. Pleskach, T. H. Zatonatska, K. : Znannia, 2011, 718 p.
48. Stounbreiker M. MapReduce i parallelnye SUBD: druzia ili vrahi? [Electronic resource], Maikl Stounbreiker, Deniel Abadi, Devit Devitt, Sem Medden, Erik Paulson, Endriu Pavlo, Aleksandr Razin ; transl. from English Serhei Kuznetsov, Communications of the ACM, vol. 53, no. 1, January 2010, Access mode: http://citforum.ru/database/articles/mr_vs_dbms-2/
49. Berezin A. Map-Reduce na primere MongoDB [Electronic resource], Anton Berezin, Access mode:https://habrahabr.ru/post/184130/
50. Lebedenko E. Tekhnolohiia GoogleMapReduce: razdeliai i vlastvui [Electronic resource], Evhenii Lebedenko, Access mode :http://www.computerra.ru/82659/mapreduce/
51. Pavlo E. Sravnenie podkhodov k krupnomasshtabnomu analizu dannykh [Electronic resource], Endriu Pavlo, Erik Paulson, Aleksandr Razin, Deniel Abadi, Devid Devitt, Semiuel Medden, Maikl Stounbreiker; transl. from English Serhei Kuznetsov, Access mode :http://citforum.ru/database/articles/mr_vs_dbms/2.shtml
52. BigData ot A do Ia. Chast 1: Printsipy raboty s bolshimi dannymi, paradihma MapReduce [Electronic resource] , Access mode:https://habrahabr.ru/company/dca/blog/267361/
53. Big data ot A do Ia. Chast 3: Priemy i stratehii razrabotki MapReduce-prilozhenii [Electronic resource], Access mode:https://habrahabr.ru/company/dca/blog/270453/
54. Havrilova T. A. Bazy znanii intellektualnykh sistem, T. A. Havrilova, V. F. Khoroshevskii, SPb. : Piter, 2000, 384 p.
55. Havrilova T. A. Ontolohiia dlia izucheniia inzhenerii znanii, Trudy Mezhdunarodnoi nauchno-prakticheskoi konferentsii KDS-2001, 2001.
56. Havrilova T. A. Ontolohicheskii podkhod k upravleniiu znaniiami pri razrabotke korporativnykh informatsionnykh sistem, Novosti iskusstvennoho intellekta, 2003, No 2, P. 24–30.
57. Lytvyn V. V. Bazy znan intelektualnykh system pidtrymky pryiniattia rishen: monograph, V. V. Lytvyn; Ministerstvo osvity i nauky, molodi ta sportu Ukrainy, Natsionalnyi universytet "Lvivska politekhnika", Lviv : Vyd-vo Lvivskoi politekhniky, 2011, 240 p.
Content type: Article
Appears in Collections:Інформаційні системи та мережі. – 2017. – №872

Files in This Item:
File Description SizeFormat 
2017n872_Veres_O_M-Classification_of_methods_84-92.pdf838.08 kBAdobe PDFView/Open
2017n872_Veres_O_M-Classification_of_methods_84-92__COVER.png491.16 kBimage/pngView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.