Содержание пособия посвящено комплексному представлению о системном моделировании технологий анализа и обработки данных в экономическом и статистическом контексте. Представленный теоретический материал станет ценным инструментом для самостоятельной работы студентов, особенно при взаимодействии с библиотеками машинного обучения. Возможность применения полученных знаний не ограничивается лишь учебным процессом, раскрывая перспективы для решения экономических актуальных задач и использования статистических методов в области искусственного интеллекта. Учебное пособие предназначено для студентов экономико-математических направлений очной, очно-заочной и заочной форм обучения.

• СОДЕРЖАНИЕ
• ВВЕДЕНИЕ
• ЧАСТЬ I. ВВЕДЕНИЕ В СИСТЕМНОЕ МОДЕЛИРОВАНИЕ И АНАЛИЗ ДАННЫХ
• ГЛАВА 1. ОСНОВЫ СИСТЕМНОГО МОДЕЛИРОВАНИЯ И АНАЛИЗА ДАННЫХ
• 1.1 Введение в системное моделирование
• 1.2 Основы анализа данных
• Выводы по главе
• Вопросы для самопроверки
• ГЛАВА 2. ЭКОНОМИЧЕСКИЙ И СТАТИСТИЧЕСКИЙ КОНТЕКСТ АНАЛИЗА ДАННЫХ В СИСТЕМНОМ МОДЕЛИРОВАНИИ
• 2.1 Экономический анализ данных в системном моделировании
• 2.2 Статистический анализ данных в системном моделировании
• Выводы по главе.
• Вопросы для самопроверки.
• ЧАСТЬ II. ОСНОВНЫЕ МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В ЭКОНОМИЧЕСКОМ И СТАТИСТИЧЕСКОМ АНАЛИЗЕ ДАННЫХ И ИХ ПРИМЕНЕНИЕ С ПОМОЩЬЮ ЯЗЫКА ПРОГРАММИРОВАНИЯ PYHTON
• ГЛАВА 3. ОБЗОР МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ И ЕГО РОЛЬ В СИСТЕМАТИЧЕСКОМ МОДЕЛИРОВАНИИ И АНАЛИЗЕ ДАННЫХ
• 3.1 Определение и классификация методов машинного обучения
• 3.2 Роль машинного обучения в системном моделировании и анализе данных
• 3.3 Оценка производительности моделей машинного обучения
• Выводы по главе
• Вопросы для самопроверки
• ГЛАВА 4. МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ В СИСТЕМНОМ МОДЕЛИРОВАНИИ И АНАЛИЗЕ ДАННЫХ– ОПИСАНИЕ, ХАРАКТЕРИСТИКИ И СРАВНЕНИЕ
• 4.1 Линейные модели машинного обучения
• 4.2 Деревья решений и ансамбли моделей
• Выводы по главе
• Вопросы для самопроверки
• ГЛАВА 5. ИНТЕГРИРОВАНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В СИСТЕМНОЕ МОДЕЛИРОВАНИЕ ДАННЫХ С ИСПОЛЬЗОВАНИЕМ ЯЗЫКА ПРОГРАММИРОВАНИЯ PYHTON
• 5.1 Подготовка данных для интеграции
• 5.2 Практическое применение и анализ результатов моделей машинного обучения
• 5.3 Методы оптимизации моделей
• Выводы по главе
• Вопросы для самопроверки
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ