СПИСОК ЛИТЕРАТУРЫ
1. Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики / Под ред. С.В. Емельянова. - М.: Ленанд, 2015. - 104 c.
2. Айзек, М..П. Графика, формулы, анализ данных в Excel. Пошаговые примеры / М..П. Айзек. - СПб.: Наука и техника, 2019. - 384 c.
3. Айзек, М.П. Вычисления, графики и анализ данных в Excel 2013. Самоучитель / М.П. Айзек. - СПб.: Наука и техника, 2015. - 416 c.
4. Бенгфорт, Б. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт. - СПб.: Питер, 2016. - 400 c.
5. Бенгфорт, Б. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки есте / Б. Бенгфорт. - СПб.: Питер, 2019. - 368 c.
6. Боровиков, В.П. Популярное введение в современный анализ данных в системе STATISTICA: Учебное пособие для вузов / В.П. Боровиков. - М.: РиС, 2015. - 288 c.
7. Есаулов, И.Г. Регрессионный анализ данных в пакете Mathcad: Учебное пособие / И.Г. Есаулов. - СПб.: Лань П, 2016. - 224 c.
8. Кабаков, Р. R в действии. Анализ и визуализация данных в программе R / Р. Кабаков. - М.: ДМК, 2016. - 588 c.
9. Калинина, В.Н. Анализ данных. компьютерный практикум (для бакалавров) / В.Н. Калинина, В.И. Соловьев. - М.: КноРус, 2017. - 240 c.
10. Козлов, А.Ю. Статистический анализ данных в MS Excel: Учебное пособие / А.Ю. Козлов, В.С. Мхитарян, В.Ф. Шишов. - М.: Инфра-М, 2018. - 80 c.
11. Кулаичев, А.П. Методы и средства комплексного анализа данных: Учебное пособие / А.П. Кулаичев. - М.: Форум, 2018. - 160 c.
12. Кулаичев, А.П. Методы и средства комплексного статистического анализа данных: Учебное пособие / А.П. Кулаичев. - М.: Инфра-М, 2016. - 347 c.
13. Кустов, А.В. Калориметрия растворов неэлектролитов: Теоретические основы, эксперимент, анализ данных / А.В. Кустов, Д.В. Батов, Т.Р. Усачева. - М.: Красанд, 2017. - 288 c.
14. Лесковец, Ю. Анализ больших наборов данных / Ю. Лесковец, А. Раджараман. - М.: ДМК, 2016. - 498 c.
15. Маккинли, У. Python и анализ данных / У. Маккинли. - М.: ДМК, 2015. - 482 c.
16. Макшанов, А.В. Технологии интеллектуального анализа данных: Учебное пособие / А.В. Макшанов, А.Е. Журавлев. - СПб.: Лань, 2018. - 212 c.
17. Мамонтов, В.Г. Химический анализ почв и использование аналитических данных. Лабораторный практикум: Учебное пособие / В.Г. Мамонтов. - СПб.: Лань, 2019. - 328 c.
18. Мастицкий, С.Э. Статистический анализ и визуализация данных с помощью R / С.Э. Мастицкий. - М.: ДМК, 2015. - 496 c.
19. Миркин, Б.Г. Введение в анализ данных: Учебник и практикум / Б.Г. Миркин. - Люберцы: Юрайт, 2016. - 174 c.
20. Нархид, Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нархид. - СПб.: Питер, 2019. - 320 c.
21. Ниворожкина, Л.И. Статистические методы анализа данных: Учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга. - М.: Риор, 2018. - 320 c.
22. Панкратова, Е.В. Анализ данных в программе SPSS для начинающих социологов / Е.В. Панкратова, И.Н. Смирнова, Н.Н. Мартынова. - М.: Ленанд, 2018. - 200 c.
23. Рафалович, В. Data mining, или интеллектуальный анализ данных для занятых. Практический курс / В. Рафалович. - М.: SmartBook, 2018. - 352 c.
24. Сидняев, Н.И. Теория планирования эксперимента и анализ статистических данных: Учебное пособие для магистров / Н.И. Сидняев. - Люберцы: Юрайт, 2016. - 495 c.
25. Сирота, А.А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А.А. Сирота. - СПб.: BHV, 2016. - 384 c.
26. Тюрин, Ю.Н. Анализ данных на компьютере / Ю.Н. Тюрин, А.А. акаров. - М.: МЦНМО, 2016. - 368 c.
27. Форман, Д. Много цифр: Анализ больших данных при помощи Excel / Д. Форман. - М.: Альпина Паблишер, 2017. - 461 c.
28. Форман, Дж. Много цифр: Анализ больших данных при помощи Excel / Дж. Форман. - М.: Альпина Паблишер, 2019. - 461 c.
|
|