Рекомендована література до курсу
Рекомендована література
1. Іванов С. М., Очеретін Д. В. Data Mining : навчально-методичний посібник для здобувачів ступеня вищої освіти магістра спеціальності «Економіка» освітньо-професійної програми «Економічна кібернетика». Запоріжжя : Запорізький національний університет, 2024. 138 с.
2. Ситник В. Ф., Краснюк М. Т. Інтелектуальний аналіз даних (дейтамайнінг) : навч. посіб. Київ : КНЕУ, 2007. 376 с.
3. Черняк О. І., Захарченко П. В. Інтелектуальний аналіз даних : підруч. Київ : Знання, 2014. 599 с.
4. Олійник А. О., Субботін С. О., Олійник О. О. Інтелектуальний аналіз даних : навч. посіб. Запоріжжя : ЗНТУ, 2012. 278 с.
5. Гладун А. Я., Рогушина Ю. В. Data Mining: пошук знань в даних. Київ : ТОВ «ВД «АДЕФ-Україна», 2016. 452 с.
6. Додонов О. Г., Кузмичов А. І. Датамайнінг в Excel. Розвідувальний аналіз даних та прогнозування з використанням надбудови Analytic Solve Data Mining. Київ : Видавництво Ліра-К, 2023. 240 с.
7. Провост Фостер, Фоусетт Том Data Science для бізнесу: Як збирати, аналізувати і використовувати дані / пер. з англ. А. Дудченко. Київ : Наш формат, 2019. 400 с.
8. Ciaburro Giuseppe, Venkateswaran Balaji. Neural Networks with R. Birmingham : Packt Publishing, 2017. 314 p.
9. Berry M.J.A., Linoff G. Data mining techniques: for marketing, sales, and customer relationship management. Indianapolis : Wiley Publishing, 2004. 672 p. URL: http://ebooks.znu.edu.ua/files/Bibliobooks/Inshi4/0006100.pdf.
10. Pyle Dorian. Business modeling and data mining. Burlington : Morgan Kaufmann Publishers, 2003. 650 p.
11. Yanchang Z., Yonghua C. Data Mining Applications with R. Waltham, Oxford, Amsterdam : Elsevier, 2014. 471 p. URL: http://ebooks.znu.edu.ua/ files/Bibliobooks/Kudin/0036204.pdf.
12. Azzalini A., Bruno S. Data Analysis and Data Mining. An Introduction. New York : Oxford University Press, 2012. 289 p. URL: http://ebooks.znu.edu.ua/ files/Bibliobooks/Kudin/0036206.pdf.
13. Gisele L. P., Alex A. F. Automating the Design of Data Mining Algorithms: an Evolutionary Computation Approach. Heidelberg : Springer-Verlag Berlin Heidelberg, 2010. 197 p. URL: http://ebooks.znu.edu.ua/files/Bibliobooks/ Kudin/0036216.pdf.
14. Stephane T. Data Mining and Statistics for Decision Making. New York : John Wiley & Sons, 2011. 704 p. URL: http://ebooks.znu.edu.ua/files/ Bibliobooks/Kudin/0036219.pdf.
15. Плескач В. Л., Затонацька Т. Г. Інтелектуальні технології Data Mining і Text Mining. Інформаційні системи і технології на підприємствах. Київ : Знання, 2011. С. 540–559.
16. Kandethody M. Ramachandran, Chris P. Tsokos Mathamatical Statistics With Applications in R. London, San Diego, Cambridge, Oxford : Esevier, 2021. 680 p. URL: https://doi.org/10.1016/C2018-0-02285-9.
17. Paolo Giordani, Maria Brigida Ferraro, Francesca Martella. An Introduction to Clustering with R. Singapore : Springer Singapore, 2020. 340 р. DOI: https://doi.org/10.1007/978-981-13-0553-5.
18. Laura Chihara, Tim Hesterberg. Mathematical Statistics with Resampling and R.Hoboken, New Jersey : Wiley, 2011. 434 p.
19. Peter Dalgaard. Introductory Statistics with R. Second Edition. New York : Springer, 2008. 370 p. URL: https://www.academia.dk/BiologiskAntropologi/ Epidemiologi/PDF/Introductory_Statistics_with_R__2nd_ed.pdf.
20. Danielle Navarro. Learning statistics with R: A tutorial for psychology students and other beginners (Version 0.6). University of New South Wales, 613 p. URL: http://compcogscisydney.org/learning-statistics-with-r.
21. Vijay Kotu and Bala Deshpande. Data Science. Concept and Practice. Second Edition. Cambridge : Elsevier, 2019. 549 p. URL: https://asolanki.co.in/wp-content/uploads/2019/04/DataScience-Concepts-and-Practice-2nd-Edition-3.pdf.