Интеллектуальный анализ данных

Интеллектуальный анализ данных- это междисциплинарная область информатики и статистики с общей целью извлечения информации (интеллектуальными методами) из набора данных и преобразование информации в понятную структуру для дальнейшего использования.

Однако в необработанном виде данные часто оказываются непонятными и подавляющими. Сразу же возникает очень непростой вопрос: что такое информация?  Информация есть отражение реального мира: это сведения, которые один реальный объект содержит о другом реальном объекте (материалистическая философия); Информация – это сведения независимо от формы их представления; Информация – это знания относительно фактов, событий, вещей, идей и понятий.

 

 

 

 

 

 

 

Однако, подавляющая часть доступной информации не несет для конкретного человека какой-либо пользы, так как он не в состоянии переработать такое количество сведений.
Возникает проблема извлечения полезной для пользователя информации из большого объема данных.

Данными могут быть цифровые массивы, факты, тексты, графики, картинки, звуки, аналоговые или цифровые видеосегменты. Они могут быть получены в результате наблюдений, измерений, экспериментов, арифметических и логических операций.

Данное обстоятельство дало начало такой технологии, как интеллектуальный анализ данных (Data Mining), главной задачей которой является преобразование данных в знание, т. е. в особый вид доступный для человеческого понимания.

Анализ данных — это не просто ценный навык, это необходимость. Он позволяет людям и организациям преобразовывать необработанные данные в полезные сведения, открывая новые возможности, стимулируя инновации и способствуя принятию решений на основе данных. По мере развития технологий и увеличения объема данных роль анализа данных в формировании нашего мира будет только возрастать.

Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. / А. А. Барсегян [и др.; гл. ред. Е. Кондукова]. — 2-е изд. — Санкт-Петербург : БХВ-Петербург, 2007. — 375 с. : ил.; SBN 5-94157-991-8

Книга является вторым, обновленным и дополненным, изданием учебного пособия «Методы и модели анализа данных: OLAP и Data Mining». Излагаются основные направления в области разработки корпоративных систем: организация хранилищ данных, распределенный, оперативный (OLAP),
интеллектуальный (Data Mining), визуальный (Visual Mining) и текстовый
(Text Mining) анализ данных. Приведено описание методов и алгоритмов
решения основных задач анализа: классификации, кластеризации и др. Описание идеи каждого метода дополняется конкретным примером его применения.

 Методы и модели анализа данных: OLAP и Data Mining./ Барсегян А. А., Куприянов М . С., Степаненко В. В., Холод И. И.—СПб.: БХВ:-Петербург, 2004. — 336 с.: ил.
В книге освещены основные направления в области анализа данных:
организация хранилища данных, оперативный (OLAP) и интеллектуальный (Data Mining) анализ данных. Приведено описание методов и алгоритмов решения основных задач анализа: классификации, кластеризации и др.
Описание идеи каждого метода дополняется конкретным примером его применения. Представлены стандарты и библиотека алгоритмов DatB Mining.

Гаврилова, Т. А.
Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. — СПб. [и др.] : Питер, 2000. — 382 с. : ил., табл.; 24 см.; ISBN 5-272-00071-4

Учебник для технических вузов по входящим в различные дисциплины вопросам разработки
интеллектуальных систем — развивающейся области информатики. Актуальность предмета определяется растущим применением инженерии знаний и системного анализа в различных областях деятельности.
Особенностью изложения является его практическая направленность: освоения имеющегося материала достаточно для начала самостоятельной работы над созданием интеллектуальной системы, основанной на знаниях.

Дюк, В. А.
Data Mining / В. Дюк, А. Самойленко. — СПб. [и др.] : Питер, 2001. — 366 с.; — (Серия «Учебный курс»).; ISBN 5-318-00227-7

Data Mining—- это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний (закономерностей).
В книге приводится объективный аналитический обзор методов и программных продуктов Data Mining. Подробно рассматриваются статистические пакеты, нейросети, эволюционные методы и алгоритмы поиска логических закономерностей. Описываются наиболее популярные инструментальные средства Data Mining. Разбираются практические примеры.

Макшанов, А. В. Большие данные. Big Data / А. В. Макшанов, А. Е. Журавлев, Л. Н. Тындыкарь. — 3-е изд., стер. — Санкт-Петербург : Лань, 2023. — 188 с. —  — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/341255

В представленном учебнике рассматриваются базовые аспекты профессиональной части дисциплин, непосредственно связанных с технологиями работы с большими данными, например, Компьютерный анализ, Большие данные, Слияние данных и т. п. профессионального учебного цикла по специальностям среднего профессионального образования Информационные системы и программирование, Информационные системы (по отраслям) и Организация и технология защиты информации. Рассмотрены основные аспекты работы с большими данными, методы и технологии Big Data и Data Mining, а так же общие приемы интеллектуального анализа данных. В качестве инструментальной среды разработки используется интегрированный пакет MatLab версий 6.5 и выше. Соответствует современным требованиям Федерального государственного образовательного стандарта среднего профессионального образования и профессиональным квалификационным требованиям.

Хабаров, С. П. Пушкарева, Л. Г.    Представление знаний в информационных системах. Использование среды PIE при проектировании баз данных и знаний : учебное пособие для бакалавров по направлению подготовки 09.03.02 «информационные системы и технологии» / С. П. Хабаров, Л. Г. Пушкарева. — Санкт-Петербург: СПбГЛТУ,2019.- 66 с. https://library.ngmu.ru/search/view?mfn=128051&irbisBase=MAIN

Анатация: В учебном пособии описаны возможности языка Пролог для разработок в области интеллектуальных систем. Приведены особенности работы в конкретной среде программирования Prolog Inference Engine. Разработан ряд лабораторных работ, позволяющих получить первичные навыки в процессе разработки баз данных и знаний. Учебное пособие предназначено для бакалавров по направлению подготовки 09.03.02 «Информационные системы и технологии» и студентов других специальностей, связанных с прикладной математикой и информатикой

Моск­ви­тин, А. А. Дан­ные, ин­фор­ма­ция, зна­ния: ме­то­до­ло­гия, тео­рия, тех­но­ло­гии. [Элек­трон­ный ре­сурс] : мо­но­гра­фия / А. А. Моск­ви­тин. – Санкт-Пе­тер­бург : Лань, 2022.

https://e.lanbook.com/book/113937

В издании подробно рассматриваются такие понятия, как осмысленная задача, данные, информация, знания, а также особенности, методология и технология работы с ними. Отдельно рассматриваются некоторые инструментальные средства обычного и интеллектуального анализа данных. Изложения ведется с позиций осмысленных задач и теории измерений, позволяющих обосновать, с математической точки зрения, корректность, точность и адекватность принимаемых решений и полученных результатов. При изложении упор делается на действующие стандарты, в том числе на международный стандарт качества ISO 9000, IEEE и др. Настоящее издание может оказаться полезным специалистам и студентам университетов (особенно магистрам), изучающим и применяющим современные методы анализа, при решении задач оперативного и полного извлечения информации, содержащейся в данных и приобретения новых знаний.

Информатика и информационные системы

Под информационной системой понимают систему, организующую, хранящую и преобразующую информацию, то есть систему, основным предметом и продуктом в которой является информация. Информатика — это наука, изучающая свойства, структуру и функции информационных систем, основы их проектирования, создания, использования и оценки, а также информационные процессы, в них происходящие.

Информационные технологии – система процедур преобразования информации с целью ее формирования, организации, обработки, распространения и использования.
Индустрия информатики – это инфраструктурная отрасль хозяйства, обслуживающая другие отрасли материального производства и непроизводственной сферы, обеспечивающая их необходимыми информационными ресурсами, создающая условия для их эффективного функционирования и развития (своеобразная «нервная система» общественного производства).

Круглов, В. В.

Интеллектуальные информационные системы: Компьютер. поддержка систем нечеткой логики и нечеткого вывода  / В.В. Круглов, М.И. Дли. — Москва : Физматлит, 2002. — 254 с. : ил.;  ISBN 5-94052-062-6

В книге приведены основные сведения по аппарату так называемой нечеткой, или размытой, логики, теории систем нечеткого вывода и некоторым аспектам ее применения, а также по программным средствам, позволяющим реализовывать, тестировать и использовать указанные системы в различных областях.
Книга рассчитана на широкий круг читателей, интересующихся современными компьютерными технологиями, а также на студентов старших курсов технических и экономических вузов, изучающих дисциплину «Интеллектуальные информационные системы».

Советов, Б. Я.
Информационныетехнологии / Б. Я. Советов, В. В. Цехановский. — Изд. 4-е, стер. — Москва : Высш. шк., 2008. — 262, [1] с. : ил., табл.;  ISBN 978-5-06-004275-7 

В учебнике изложены фундаментальные основы информатики в области информационных технологий как составляющих формирования информационного общества. Рассмотрены базовые информационные процессы и
их модели. Раскрыты содержание, возможности и области применения базовых и прикладных информационных технологий. Предложена информационная технология разработки систем. Приведена инструментальная база с раскрытием программных, технических и методических средств информационных технологий.

Гаскаров, Д. В.
Интеллектуальные информационные системы / Д.В. Гаскаров.— Москва : Высш. шк., 2003. — 430, [1] с. : ил., табл.; 22 см.; ISBN 5-06-004611-7

Изложены основы интеллектуализации информационных систем различного назначения с раскрытием проблемной области искусственного интеллекта, моделями представления данных и знаний, классификацией интеллектуальных систем. Рассмотрены методы устранения неопределенности при представлении знаний, их обобщении и классификации. Отдельное внимание уделено задачам компьютерной логики и лингвистики (проблеме общения).
Особо выделены вопросы интеллектуализации процедур прикладного характера в предметной области — поиск, управление и контроль (восприятие информации и модели обучения). Подробно изложены методологические аспекты построения экспертных систем и связанных с ними структурных и технологических задач. Описаны диалоговые системы и раскрыто их формальное содержание.

Зинченко, Л. А. Бионические информационные системы и их практические применения / Л. А. Зинченко, В. М. Курейчик, В. Г. Редько. — Москва : ФИЗМАТЛИТ, 2011. — 288 с. — ISBN 978-5-9221-1302-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/2713

Данная книга посвящена информационным системам, основанным на бионических принципах, реализованных в виде методов вычислительного интеллекта. Многие излагаемые результаты являются новыми, включают анализ современного состояния ряда разделов вычислительного интеллекта и получены в течение последних нескольких лет. Также рассматриваются вопросы практического применения этих методов для решения задач автоматизированного проектирования САПР микро- и наносистем и вычислительных сетей и разработке интеллектуальных информационных систем и систем поддержки принятия решений. Книга призвана частично восполнить существующий пробел в освещении исследований российских ученых в области разработки и применения информационных систем, основанных на методах вычислительного интеллекта. Она рассчитана на специалистов в области эволюционных вычислений, искусственных нейронных сетей и нечеткой логики.

 

Целых, А. Н. Методы интеллектуального поиска и анализа данных [Текст] / Целых А. Н. [и др.]; М-во образования и науки Российской Федерации, Федеральное гос. авт. образовательное учреждение высш. образования «Южный федеральный ун-т». — Ростов-на-Дону : Изд-во Южного федерального ун-та, 2014. — 232 с. : ил., табл. ; 21 см. — Библиогр.: с. 226-232

 

Мыльников, Л. А.

Статистические методы интеллектуального анализа данных / Л. А. Мыльников — С П б .: БХВ -Петербург, 2021. — 240 с.: ил.

Рассмотрены основные методы статистической обработки данных и машинного обучения и их реализация на языке К. Наложены принципы разработки информационных систем и моделей, основанных на данных. Приведены примеры использования методов (машинного обучения при решении прикладных задач. Рассмотрены подготовка данных, работа с временными рядами, методы классификации и кластеризации, способы обучения (с учителем, без учителя, с подкреплением), классические методы интеллектуального анализа данных, способы проверки адекватности получаемых моделей, их сравнения и выбора. Материал соответствует курсам «Статистические методы интеллектуального анализа данных» и «Интеллектуальные системы» при подготовке ManicipaitioB по направлению «Автоматизация технологических процессов и производств».https://www.litres.ru/book/leonid-mylnikov/statisticheskie-metody-intellektualnogo-analiza-dannyh-67727342/

Инженерия знаний — входит в область наук об искусственном интеллекте, связана с разработкой экспертных систем и баз знаний.

Гаврилова, Т. А. Инженерия знаний. Модели и методы / Т. А. Гаврилова, Д. В. Кудрявцев, Д. И. Муромцев. — 6-е изд., стер. — Санкт-Петербург : Лань, 2023. — 324 с. — ISBN 978-5-507-46580-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/312842 

Книга посвящена вопросам анализа и структурирования данных и знаний для разработки информационных и интеллектуальных систем. В ней детально рассматривается полный цикл разработки
интеллектуальных систем — от извлечения иформализации знаний до реализации компонентов прикладной интеллектуальной системы. Изложение материала сопровождается примерами программной реализации алгоритмов, а такжеиспользования инструментальных средств искусственного интеллекта. Рассмотрены также проблемы разработки систем управления корпоративными знаниями.

Объединение технологий анализа данных и искусственного интеллекта привело к возникновению нового направления обработки данных – интеллектуального анализа данных.

Интеллектуальный анализ данных – исследование данных, использующее методы искусственного интеллекта и ориентированное на придание системе свойств искусственного интеллекта.

Сидоркина, И. Г.
Системы искусственного интеллекта  / И. Г. Сидоркина. — Москва : КноРус, 2011. — 245 с. : ил.; 21 см.; ISBN 978-5-406-00449-4

Рассмотрены теоретические аспекты проектирования систем искусственного интеллекта, даны модели представления знаний, изложены материалы информационного, справочного, консультирующего характера по использованию инструментальных средств, а также технологическим особенностям разработки систем данного класса.

Нейронные сети – это мощный инструмент в области обработки данных, который имитирует работу человеческого мозга. Они используются для решения различных задач, таких как распознавание образов, классификация данных и прогнозирование. Нейронные сети широко применяются в обработке данных в различных областях, таких как компьютерное зрение, обработка естественного языка, распознавание речи, рекомендательные системы и многое другое. Они позволяют решать сложные задачи, которые трудно решить с помощью традиционных алгоритмов.

Осовский, С. Нейронные сети для обработки информации / Станислав Осовский ; Пер. с пол. И. Д. Рудинского. — Москва : Финансы и статистика, 2004 ). — 343 с. : ил.; 24 см.; ISBN 5-279-02567-4  Представлены важнейшие разделы теории искусственных нейронных сетей. Основное внимание уделяется алгоритмам обучения и их применению для обработки измерительной информации. Дается детальный обзор и описание важнейших методов обучения сетей различной структуры, иллюстрируемые численными экспериментами с практически подтвержденными результатами.

Для аспирантов и научных работников, интересующихся методами искусственного интеллекта. Может быть полезна специалистам в области информатики, статистики, физики и технических дисциплин, а также специалистам биомедицинских отраслей знаний.

Головко, В. А. Нейросетевые технологии обработки данных : учебное пособие / Головко В. А., Краснопрошин В. В. — Минск : БГУ, 2017. — 263 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/

Изложены математические и алгоритмические аспекты функционирования искусственных нейронных сетей. Детально проанализированы как конвенциальные модели нейронных сетей, так и глубокие нейронные сети. Рассмотрены парадигмы обучения нейронных сетей. Большое внимание уделено применению нейронных сетей для решения различного рода задач.

Журавлев, Ю.И. «Распознавание». Математические методы. Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. — Москва : ФАЗИС, 2006. — 176 с. : ил.

Книга содержит описания основных подходов и практических алгоритмов для решения задач распознавания и кластерного анализа (логические, статистические, нейросетевые, основанные на построении разделяющих поверхностей и гибридные подходы), а также методов построения решений коллективами алгоритмов (алгебраические и логические корректоры, комитетные и эвристические подходы). Многие материалы публикуются впервые. Дано описание первой версии универсальной программной системы интеллектуального анализа.

Моисеев, Никита Николаевич.
Математические задачи системного анализа [Текст] : учебное пособие для студентов вузов, обучающихся по специальности «Прикладная математика» / Н. Н. Моисеев. — 2-е изд. — Москва : URSS, 2011. — 487 с. : ил.; 21 см.; ISBN 978-5-397-02577-5

Предлагаемая читателю книга выдающегося советского ученого, академика АН СССР Н.Н. Моисеева (1917–2000) содержит изложение методов исследования сложных систем с помощью ЭВМ. Значительное внимание уделяется методам предварительной обработки систем уравнений, анализу систем и, прежде всего, методам асимптотического анализа. Излагаются основы теории управления. В основу книги положен курс лекций по системному анализу, прочитанный автором в Московском государственном университете.

Прокопенко, Н. Ю. Аналитические информационные системы поддержки принятия решений: учебное пособие / Н. Ю. Прокопенко. — Нижний Новгород : ННГАСУ, 2020. — 142 с.  — Текст : электронный // Лань : электронно-библиотечная система. — URL:https://e.lanbook.com/book/

В пособии раскрываются теоретические и практические основы использования аналитической платформы Loginom. Приведено много примеров, иллюстрирующих разработку и применение рассматриваемых методов и моделей. В заданиях представлены постановка задачи, исходные данные и последовательность их выполнения.

Целых, А. Н. Современные методы прикладной информатики в задачах анализа данных: учебное пособие / А. Н. Целых, А. А. Целых, Э. М. Котов. — Ростов-на-Дону : ЮФУ, 2021. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/195357

Пособие посвящено рассмотрению актуальных проблем оценки рисков при рассмотрении кредитных заявок. В пособии была предложена структура и схема системы поддержки принятия решений в сфере банковского кредитования с применением модулей искусственного интеллекта, таких как нейронная сеть и нечеткая логика. Проанализирована инвестиционная привлекательность регионов РФ. Рассмотрены и модифицированы методы защиты от несанкционированного доступа, которые должны повысить надежность и информационную безопасность клиентов банковского сектора. Пособие предназначено для студентов высших учебных заведений, обучающихся по направлению 10.03.01 Информационная безопасность по курсу «Методы интеллектуального анализа данных».

Постоянное и непрерывное развитие технического прогресса позволяет  вырабатывать большое количество данных, которые необходимо анализировать с целью поиска и выявления новых полезных знаний. И в этом немалую роль играет технология интеллектуального анализа данных.

Статьи периодических изданий:

Шарапов, А. С. Проектирование баз знаний интеллектуальных обучающих систем, построенных на технологии OSTIS / А. С. Шарапов. — Текст: электронный // Молодой ученый. — 2023. — № 31 (478). — С. 17-19. — URL:

https://moluch.ru/archive/478/105252/

Статья описывает проектирование баз знаний интеллектуальных обучающих систем с использованием технологии OSTIS. Обсуждаются преимущества и проблемы создания качественной базы знаний, а также предлагаются подходы и этапы разработки баз знаний. Автор обсуждает, как использование технологии OSTIS позволяет оптимизировать процесс разработки интеллектуальных систем, что может привести к новым открытиям и результатам в области искусственного интеллекта и компьютерных наук.

Григораш, А.С. Программный комплекс решения задачи кластеризации/А.С. Григораш, В.М. Курейчик В.В.Курейчик.-Текст электронный //Программные продукты и системы -2017. — №2.- Т.30 с. 261-269 https://reader.lanbook.com/journalArticle/355615

В последнее время информационные технологии неуклонно развиваются. В связи с этим стремительно увеличиваются объемы банков данных, обрабатывать которые с каждым днем становится все сложнее. Актуальным направлением обработки больших массивов данных является их интеллектуальный анализ, методы которого позволяют обнаруживать в наборах данных неявные закономерности. Одна из основных задач интеллектуального анализа данных – задача кластеризации. Авторами статьи сформулирована ее постановка. Кластеризация является NP-полной, трудной задачей, поэтому необходимо разрабатывать нестандартные алгоритмы и методы для нахождения эффективного решения за полиномиальное время.

 

Арланова А.А. Интеллектуальный анализ данных: Виды и методы /А.А. Арланова, А.М. Нобатов -Текст электронный// Международный научный журнал «Вестник науки»-2023 г.-№1 (58). Т.2. С. 7 — 10.  ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/6940

 

 

Давыденко И.Т.  Семантическая модель базы знаний интеллектуальной справочной системы/И.Т.Давыденко. Текст: электронный // Кибернетика и программирование. – 2013. – № 2. – С. 1 — 11. DOI: 10.7256/2306-4196.2013.2.8307

URL: https://nbpublish.com/library_read_article.php?id=8307

Работа посвящена основным принципам, лежащим в основе комплексной методики проектирования семантических моделей баз знаний интеллектуальных справочных систем. База знаний является одним из ключевых компонентов интеллектуальных систем различного назначения.

 

Холод И.И. Метод определения возможностей параллельного выполнения функций алгоритмов анализа данных/И.И. Холод.- Текст: электронный //Программные продукты и системы. — 2018. — № 2. Т.31.- С. 268–274. – Доступен в электронном виде.

http://www.swsys.ru/index.php?page=article&id=4455&lang

 

 

Филяк, П. Ю. Сети, большие данные (BigData), интеллектуальный анализ данных (Data Mining) и обеспечение безопасности / П. Ю. Филяк. — Текст : электронный  // Информация и безопасность. — 2017. — Т. 20. № 4. —  С. 522-527. — https://www.elibrary.ru/item.asp?id=30561801

Рассматриваются подходы к решению проблем обеспечения информационной безопасности в информационного общества, когда на переднем плане в качестве ключевых факторов начинают выступать такие явления как сетевая глобализация, работа с большими объемами (массивами) структурированных и неструктурированных данных «большими данными» (BigData) и становится очевидной необходимость интеллектуального анализа данных (DataMining).

Дудко. Д.  Технологии интеллектуального анализа данных для повышения эффективности КСБ / Д. Дудко. — Текст : электронный // Системы безопасности. – 2021. — № 4. — https://dlib.eastview.com/browse/doc/70060154

Методы Data Mining сосредоточиваются главным образом на процессах анализа данных и моделировании.

Интеллектуальный анализ данных рассматривает весь спектр вопросов, связанных с процессом извлечения знаний из баз данных.

 

Интеллектуальный анализ и обработка больших разнородных данных для парирования угроз в сложных распределенных системах / Е. С. Брекоткина, А. С. Павлов, С. В. Павлов, О. И. Христодуло. — Текст : электронный  // Программные продукты и системы. — 2022. — Т. 35. № 1. — С. 5-13 https://dlib.eastview.com/browse/doc/74996787

 

 

Зеленков, Ю. А. Динамика исследований в области интеллектуального анализа данных: тематический анализ публикаций за 20 лет / Ю. А. Зеленков, Е. А. Анисичкина. — Текст : электронный  // Бизнес-Информатика. – 2021. —  Т. 15. № 1.  — С. 30-46.https://cyberleninka.ru/article/n/dinamika-issledovaniy-v-oblasti-intellektualnogo-analiza-dannyh-tematicheskiy-analiz-publikatsiy-za-20-let  

 

        Список использованной литературы:

  1. Арланова А. А. Интеллектуальный анализ данных: Виды и методы/А. А. Арланова, А. М. Нобатов . -Текст : электронный //Международный научный журнал «Вестник науки». -2023 -№1 (58). Т 2. С. 7 — 10. г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/6940
  2. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. / А. А. Барсегян [и др.; гл. ред. Е. Кондукова]. — 2-е изд. — Санкт-Петербург : БХВ-Петербург, 2007. — 375 с. : ил.; SBN 5-94157-991-8
  3. Методы и модели анализа данных: OLAP и Data Mining./ А. А. Барсегян, М . С. Куприянов, В. В. Степаненко,  И. И. Холод —СПб.: БХВ:-Петербург, 2004. — 336 с.: ил.
  4. Интеллектуальный анализ и обработка больших разнородных данных для парирования угроз в сложных распределенных системах / Е. С. Брекоткина, А. С. Павлов, С. В. Павлов, О. И. Христодуло. — Текст : электронный  // Программные продукты и системы. — 2022. — Т. 35. № 1. — С. 5-13 https://dlib.eastview.com/browse/doc/74996787
  5. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский   —СПб.: Питер, 2001. — 384 с.: ил.
  6. Гаврилова, Т. А. Инженерия знаний. Модели и методы / Т. А. Гаврилова, Д. В. Кудрявцев, Д. И. Муромцев. — 6-е изд., стер. — Санкт-Петербург : Лань, 2023. — 324 с. — ISBN 978-5-507-46580-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/312842
  7. Гаскаров, Д. В. Интеллектуальные информационные системы : учебник для вузов / Д. В. Гаскаров. — М.: Высш. шк., 2003. — 431 с: ил.
  8. Головко, В. А. Нейросетевые технологии обработки данных : учебное пособие / В. А. Головко, В. В. Краснопрошин — Минск : БГУ, 2017. — 263 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/
  9. Григораш, А. С. Программный комплекс решения задачи кластеризации/А. С. Григораш, В. М. Курейчик, В. В. Курейчик.-Текст:электронный //Программные продукты и системы-2017- №2 Т.30 с. 261-269 https://reader.lanbook.com/journalArticle/355615
  10. Давыденко, И. Т.  Семантическая модель базы знаний интеллектуальной справочной системы/И. Т. Давыденко. — Текст: электронный // Кибернетика и программирование. – 2013. -№2. –С. 1-11. DOI: 10.7256/2306-4196.2013.2.8307 URL: https://nbpublish.com/library_read_article.php?id=8307
  11. Дудко, Д.  Технологии интеллектуального анализа данных для повышения эффективности КСБ / Д. Дудко. — Текст : электронный // Системы безопасности. – 2021. — № 4. — https://dlib.eastview.com/browse/doc/70060154
  12. Дюк, В. Data mining: учебный курс  / В. Дюк, А. Самойленко. — СПб: Питер, 2001. — 368 с.: ил.
  13. Журавлев, Ю. И. «Распознавание». Математические методы. Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. — Москва : ФАЗИС, 2006 (М. : Типография «Наука» РАН). — 176 с. : ил.
  14. Зеленков Ю. А. Динамика исследований в области интеллектуального анализа данных: тематический анализ публикаций за 20 лет/Ю. А. Зеленков, Е. А. Анисичкина.- Текст: электронный//Бизнес-Информатика -2021. Т.15.№ 1 С.30-46 https://cyberleninka.ru/article/n/dinamika-issledovaniy-v-oblasti-intellektualnogo-analiza-dannyh-tematicheskiy-analiz-publikatsiy-za-20-let
  15. Зинченко, Л. А. Бионические информационные системы и их практические применения / Л. А. Зинченко, В. М. Курейчик, В. Г. Редько. — Москва : ФИЗМАТЛИТ, 2011. — 288 с. — ISBN 978-5- 9221-1302-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/2713
  16. Круглов, В. В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода /В. В. Круглов, М. И. Дли. — М.: Издательство Физико-математической литературы, 2002.—256 с.
  17. Макшанов, А. В. Большие данные. Big Data / А. В. Макшанов, А. Е. Журавлев, Л. Н. Тындыкарь. — 3-е изд., стер. — Санкт-Петербург : Лань, 2023. — 188 с. —  — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/341255
  18. Моисеев, Н. Н. Математические задачи системного анализа [Текст] : учебное пособие для студентов вузов, обучающихся по специальности «Прикладная математика» / Н. Н. Моисеев. — 2-е изд. – Москва
  19. Моск­ви­тин, А. А. Дан­ные, ин­фор­ма­ция, зна­ния: ме­то­до­ло­гия, тео­рия, тех­но­ло­гии. [Элек­трон­ный ре­сурс] : мо­но­гра­фия / А. А. Моск­ви­тин. – Санкт-Пе­тер­бург : Лань, 2022.
  20. Мыльников, Л. Л. Статистические методы интеллектуального анализа данных /Л. Л.  Мыльников  — С П б .: БХВ -Петербург. 2021. — 240 с.: ил.
  21. Прокопенко, Н. Ю. Аналитические информационные системы поддержки принятия решений: учебное пособие / Н. Ю. Прокопенко. — Нижний Новгород : ННГАСУ, 2020. — 142 с.  — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/
  22. Осовский, С. Нейронные сети для обработки информации / С. Осовский ; перевод с польского И. Д. Рудинского. — М.: Финансы и статистика, 2004. — 344 с.: ил.
  23. Сидоркина, И. Г. Системы искусственного интеллекта: учебное пособие / И. Г. Сидоркина. — М: КНОРУС, 2011. — 248 с.
  24. Советов, Б. Я. Информационные технологии: учебник для вузов/Б. Я. Советов, В. В. Цехановский. — 4-е изд., стер. — М.: Высш. шк., 2008. — 263 с.: ил.
  25. Филяк, П. Ю. Сети, большие данные (BigData), интеллектуальный анализ данных (Data Mining) и обеспечение безопасности/П. Ю. Филяк.- Текст :электронный //Информация и безопасность -2017. -Т.20. №4.- С.522-527 https://www.elibrary.ru/item.asp?id=30561801
  26. Хабаров, С. П. Представление знаний в информационных системах. Использование среды PIE при проектировании баз данных и знаний / С. П. Хабаров, Л. Г. Пушкарева     — Санкт-Петербург : СПбГЛТУ, 2019. — 66 с.
  27. Холод, И. И. Метод определения возможностей параллельного выполнения функций алгоритмов анализа данных/И. И. Холод.- Текст: электронный //Программные продукты и системы. — 2018.-№2. Т. 31.- С. 268–274. – Доступен в электронном виде. http://www.swsys.ru/index.php?page=article&id=4455&lang
  28. Целых, А. Н. Методы интеллектуального поиска и анализа данных [Текст] / А. Н. Целых [и др.]; Изд-во Южного федерального ун-та, 2014. — 232 с. : ил., табл. ; 21 см. — Библиогр.: с. 226-232
  29. Целых, А. Н. Современные методы прикладной информатики в задачах анализа данных: учебное пособие / А. Н. Целых, А. А. Целых, Э. М. Котов. — Ростов-на-Дону : ЮФУ, 2021. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/195357
  30. Шарапов, А. С. Проектирование баз знаний интеллектуальных обучающих систем, построенных на технологии OSTIS / А. С. Шарапов. — Текст : электронный // Молодой ученый. — 2023. — № 31 (478). — С. 17-19. — URL: https://moluch.ru/archive/478/105252/