В настоящем “Практикуме” подробно изложены материалы большей части лабораторно-практических занятий, предлагаемых студентам для освоения предмета “Биотехнология” по специальности “Ветеринария” и “Зоотехния”.
Учебное пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям подготовки 19.03.01, 19.04.01, 36.03.01, 19.03.02, 36.05.01.
Разработано в соответствии с Федеральным государственным образовательным стандартом высшего образования по дисциплине “Основы экобиотехнологии”, который отражает современное состояние развития экологической биотехнологии.
Издание предназначено для бакалавров, обучающихся по направлению 19.03.01 “Биотехнология”, профиль “Биотехнология”.
В учебном пособии рассмотрены основные статистические методы анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки практического применения их в бизнес-аналитике.
Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.03.05 – Бизнес-информатика (бакалавриат), при изучении дисциплины «Анализ данных», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.
В учебном пособии рассмотрены основные статистические методы анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки практического применения их в бизнес-аналитике.
Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.03.05 – Бизнес-информатика (бакалавриат), при изучении дисциплины «Анализ данных», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.
В учебном пособии рассмотрены основные инструменты, используемые для регрессионного анализа данных в аналитическом приложении Deductor Studio: линейная регрессия, декомпозиция временного ряда и логистическая регрессия. Приведены примеры, позволяющие получить навыки их практического применения в бизнес-аналитике.
Учебное пособие предназначено для проведения практических занятий и самостоятельной работы студентов, обучающихся по направлениям подготовки 38.03.05 Бизнес-информатика (бакалавриат) и 38.04.05 Бизнес-информатика (магистратура), а также специалистов, интересующихся методами анализа данных в современных статистических пакетах.
В учебном пособии изложены основные вопросы теории статистики, статистики сельского хозяйства (статистика землепользования, животноводства, основных средств, труда, себестоимости), макроэкономической статистики (расчет основных макроэкономических показателей) и статистики финансов и потребления. Рассматривается применение статистики в финансово-экономических расчетах.
В учебном пособии рассмотрены основные статистические методы, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений. Приведены примеры, позволяющие получить навыки практического применения статистических методов в бизнес-аналитике. Учебное пособие предназначено для проведения практических занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.04.05 – Бизнес-информатика (магистратура), при изучении дисциплины «Статистические методы в бизнес-аналитике», а также аналитиков, занимающихся практическими вопросами статистического анализа информации на основе аналитической платформы Deductor.
Рассматриваются проблемы численного моделирования процессов очистки воды от примесей железа. Данная проблема актуальна для многих прикладных задач, включая приготовление ультрачистой воды для медицины. В работе изучается процесс удаления ионов железа и оксидов железа из воды с помощью магнитного поля. В качестве модельной выбрана двумерная задача о течении несжимаемой жидкости в канале с прямоугольным поперечным сечением. Поперечное магнитное поле, воздействующее на заряженные примеси, учитывается с помощью введения в уравнение конвекции-диффузии силы Лоренца.
Для решения поставленной задачи разработан оригинальный численный метод и создана параллельная программа. В численных экспериментах получены стационарные распределения концентрации ионов железа под действием поперечного магнитного поля. Данные распределения иллюстрируют эффект очистки и позволяют управлять ее качеством с помощью исходных параметров задачи
В работе представлен простой путь избавления от ряда известных «проблем» математики, связанных, например, с умножением и деление на ноль, рассмотрением комплексных чисел и многое другое. В частности, читатель сможет узнать, чему равен квадратный корень из единицы и минус единицы, увидеть новые решения известных уравнений. Книга предназначена для любознательного читателя, способного отвлечься от существующих стереотипов и открыть для себя новые стороны и страницы математики, которая ориентирована на решение новых задач. В ней имеются программы на Фортране для современных персональных компьютеров (ПК), которые позволят оперативно провести свои собственные математические эксперименты на ПК. Книга может быть полезна физикам и химикам, так как предложенный подход дает возможность наполнить некоторые известные математические формулы новым физическим содержанием и наоборот.
В монографии представлен новый подход к построению эффективных рандомизированных алгоритмов для решения оптимизационных задач кластеризации и размещения, позволяющих получать результат повышенной точности и устойчивости за ограниченное время. Под точностью в данном случае понимается способность алгоритма достигать такого значения целевой функции, которое трудно улучшить известными методами. Под стабильностью мы понимаем способность рандомизированного алгоритма останавливаться на одном и том же решении, либо на очень близких решениях в ходе многократных запусков алгоритма из произвольного начального решения. При этом алгоритмы способны эффективно решать задачи кластеризации в различных постановках и с различными целевыми функциями. Адресована студентам, аспирантам, преподавателям, научным работникам для использования в своей профессиональной области.
