Тітаренко Михайло Геннадійович
Факультет комп'ютерних наук і технологій
Кафедра програмної інженерії
Спеціальність Програмна інженерія
Дослідження методів класифікації інформації про зовнішньоторговельну діяльність держав в рамках інформаційно-пошукової системи
Науковий керівник: к.ф-м.н., доцент кафедри ПІ Скворцов Анатолій Єфремович
Консультант: старший викладач Коломойцева Ірина Олександрівна
Михайло Тітаренко
Індивідуальний розділ

Посилання за темою випускної роботи

Матеріали магістрів ДонНТУ
Наукові роботи та статті
Сайти і статті за темою
  • 20. Отбор признаков для машинного обучения на Python

  • Опис: У статті описується механізм відбору ознак для машинного навчання, яке можна використовувати і для класифікації текстів.

  • 21. Classifier comparison

  • Опис: У статті проводиться порівняння класифікаторів, представлених в бібліотеці scikit-learn.

  • 22. Classifying Reuters-21578 collection with Python: Representing the data

  • Опис: У статті описується процес створення класифікатора на основі популярного набору даних від Reuters.

  • 23. Введение в машинное обучение с помощью Python и Scikit-Learn

  • Опис: У статті наведені етапи створення класифікатора на основі машинного навчання, а також представлений огляд популярних алгоритмів класифікації.

  • 24. Автостопом по машинному обучению на Python

  • Опис: У статті наведено введення в машинне навчання для вирішення задачі класифікації, а також огляд реалізації деяких алгоритмів класифікації.

  • 25. Метод опорных векторов (SVM)

  • Опис: У статті виконано огляд алгоритму SVM, проаналізовані його недоліки і переваги, визначені можливі сфери застосування.

  • 26. Алгоритм C4.5

  • Опис: У статті виконано огляд алгоритму C4.5, проаналізовані його недоліки і переваги, визначені можливі сфери застосування.

  • 27. Метод k-средних

  • Опис: У статті виконано огляд методу k-середніх, проаналізовано його недоліки і переваги, визначені можливі сфери застосування.

  • 28. Алгоритм Apriori

  • Опис: У статті виконано огляд алгоритму Apriori, проаналізовані його недоліки і переваги, визначені можливі сфери застосування. Наведено приклад реалізації алгоритму.

  • 29. EM-алгоритм

  • Опис: У статті виконано огляд EM-алгоритму, проаналізовані його недоліки і переваги, визначені можливі сфери застосування. Наведено приклад реалізації алгоритму.

  • 30. Алгоритм AdaBoost

  • Опис: У статті виконано огляд алгоритму посилення класифікаторів AdaBoost, проаналізовані його недоліки і переваги, визначені можливі сфери застосування. Наведено приклад реалізації алгоритму.

  • 31. Алгоритм CART

  • Опис: У статті виконано огляд одного з найпопулярніших алгоритмів Data Mining - CART. Проаналізовано його недоліки і переваги, визначені можливі сфери застосування. Наведено приклад реалізації алгоритму.

  • 32. Алгоритм k-ближайших соседей

  • Опис: У статті виконано огляд алгоритму k-найближчих сусідів, проаналізовані його недоліки і переваги, визначені можливі сфери застосування.

  • 33. Наивный баейсовский классификатор

  • Опис: У статті виконано огляд наївного баейсовского класифікатора, проаналізовані його недоліки і переваги, визначені можливі сфери застосування.

  • 34. Методы отбора фич

  • Опис: У статті наведені основні методи відбору фіч, а також методи оцінки ефективності їх відбору.

  • 35. Точный критерий Фишера

  • Опис: У статті описується історія виникнення та обгрунтування критерія Фішера.

  • 36. Оценка точности классификатора

  • Опис: У статті описані основні критерії оцінки точності класифікатора.

  • 37. Открытый курс машинного обучения. Тема 3. Классификация, деревья решений и метод ближайших соседей

  • Опис: У статті детально розглянуті підходи до класифікації і кілька алгоритмів класифікації, а також наведена їх імплементація.

  • 38. Методы классификации и прогнозирования. Деревья решений

  • Опис: В лекции описывается метод деревьев решений, рассматриваются элементы дерева решения, процесс его построения. Приведены примеры деревьев, решающих задачу классификации, а также даны алгоритмы конструирования деревьев решений CART и C4.5.

  • 39. Оценка классификатора (точность, полнота, F-мера)

  • Опис: У статті описано призначення та формули обчислення основних оціночних параметрів класифікації.

  • 40. Наивный байесовский классификатор

  • Опис: У замітці описується теорія і практичне застосування наївного байєсівського класифікатора.

  • 41. Топ-10 data mining-алгоритмов простым языком

  • Опис: У статті коротко і концентровано описані основні Data Mining алгоритми і їх призначення.

Наукові журнали
Спеціалізовані сайти і портали
  • 44. Data Science

  • Опис: Портал містить безліч корисних статей по Data Science.

  • 45. UCI Machine Learning Repository

  • Опис: Репозиторій з наборами даних для машинного навчання. Дуже корисний для тестування якості класифікації.

  • 46. Хабр

  • Опис: Портал з величезною кількістю користувальницьких статей, пов'язаних з IT сферою.

  • 47. SCI-HUB

  • Опис: Дуже корисний сайт для отримання доступу до наукових публікацій з закритим доступом.

  • 48. CYBERLENINKA

  • Опис: Наукова електронна бібліотека, що надає відкритий доступ до безлічі наукових публікацій.

  • 49. НОУ ИНТУИТ

  • Опис: Організація, яка надає можливість дистанційної освіти за допомогою своїх матеріалів, які викладені на їх сайті.

  • 50. Towards Data Science

  • Опис: Ресурс надає безліч статей, концепцій, ідей і кодів у напрямку Data Science.