Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"
  • Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"
  • Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"
Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"
  • Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"
  • Сертификат "Интеллектуальный анализ данных средствами MS SQL Server 2008"

Интеллектуальный анализ данных средствами MS SQL Server 2008

700,00 руб.
В течение часа!
Экзамен "Интеллектуальный анализ данных средствами MS SQL Server 2008" для пользователей и системных администраторов.
Количество
Есть в наличии!

Форма сдачи теста: Экстерн
Количество вопросов: 30
Проходной балл: 90% и выше
Срок действия сертификата: неограничен

Сертификат появляется в профиле ресурса INTUIT, и Вы можете заказать его бумажную версию на сайте INTUIT.
11752 шт.
Внимание !
Вопросы к тесту выложены исключительно в ознакомительных целях: количество вопросов может не совпадать с действительным, актуальность не поддерживается,- за решением теста Welcome to the cashier!

В приведенном списке отметьте задачи интеллектуального анализа данных, относящиеся к классу "обучение с учителем":

поиск ассоциативных правил
кластеризация
регрессия
классификация



В приведенном списке отметьте задачи интеллектуального анализа данных, относящиеся к классу "обучение без учителя":

кластеризация
регрессия
поиск ассоциативных правил
классификация



Определение методами интеллектуального анализа значения непрерывного числового параметра на основании значений независимых переменных производится при решении задачи:

классификации
регрессии
кластеризации



Используемый SQL Server 2008 (2008 R2) язык запросов интеллектуального анализа данных называется:

SQL
MDX
SQL/MM
DMX



Внешние приложения могут взаимодействовать со службами Analysis Services, используя протокол:

SNMP
SQL
LDAP
XMLA



В приведенном списке отметьте службы Microsoft SQL Server 2008 (2008 R2), которые содержат реализацию встроенных алгоритмов Data Mining (выберите один вариант):

Database Engine
Reporting Services
Analysis Services
Integration Services



Выберите корректное продолжение фразы: "В структуре интеллектуального анализа данных можно …"

указать алгоритм интеллектуального анализа
определить фильтры для данных
выделить обучающий и проверочный набор данных



В приведенном списке выберите корректное утверждение относительно структур и моделей интеллектуального анализа

модель содержит структуры, которые используются для анализа ее данных
структура содержит модели, которые используются для анализа ее данных
модели и структуры – это несвязанные типы объектов, ни один из них не может включать (содержать) другой



Создаваемый при проведении интеллектуального анализа средствами Microsoft SQL Server объект, представляющий собой сочетание данных, алгоритма интеллектуального анализа, набора параметров и фильтров, называется:

модель интеллектуального анализа данных
источник данных
представление источника данных
структура интеллектуального анализа данных



Укажите число стандартных алгоритмов интеллектуального анализа данных, включаемых в поставку SQL Server 2008 (2008 R2):
(Ответ необходимо ввести в поле ввода.)




В приведенном ниже списке отметьте алгоритмы интеллектуального анализа данных, включаемые в поставку Microsoft SQL Server 2008 (2008 R2):

Microsoft Neural Network
Microsoft Naive Bayes
Microsoft Bayes Networks
Microsoft Sequence Clustering



В приведенном ниже списке выберите алгоритм интеллектуального анализа данных, результаты работы которого при одинаковых настройках и исходных данных могут отличаться в зависимости от используемой редакции SQL Server

Microsoft Time Series
Microsoft Linear Regression
Microsoft Clustering



Среди перечисленных алгоритмов, поддерживаемых Microsoft SQL Server 2008, отметьте те, с помощью которых можно решить задачу нахождения групп общих элементов в транзакциях (например, товаров, часто встречающихся в "одном чеке" в магазине):

Microsoft Logistic Regression
Microsoft Association Rules
Microsoft Clustering
Microsoft Decision Trees



Среди перечисленных алгоритмов, поддерживаемых Microsoft SQL Server 2008, отметьте те, с помощью которых можно решить задачу классификации (прогнозирования дискретного атрибута):

Microsoft Naive Bayes
Microsoft Decision Trees
Microsoft Linear Regression
Microsoft Time Series



Задача нахождения групп схожих элементов может быть решена с помощью алгоритма:

Microsoft Clustering
Microsoft Time Series
Microsoft Linear Regression



В приведенном списке инструментальных средств, входящих в поставку SQL Server 2008 (2008 R2), выберите основное средство разработки решений в области интеллектуального анализа данных:

SQL Server Profiler
SQL Server Management Studio
SQL Server Business Intelligence Development Studio
Data Profile Viewer



Отметьте версии Microsoft SQL Server 2008 (2008 R2), в поставку которых включены стандартные алгоритмы интеллектуального анализа данных:

Enterprise
Web
Standard
Express
Developer



Отметьте версии Microsoft SQL Server 2008 (2008 R2), в которых поддерживается проведение перекрестной проверки:

Web
Express
Developer
Enterprise
Standard



Процедуру "очистки" исходных данных рекомендуется производить:

до создания модели интеллектуального анализа
после проведения тестирования (оценки точности) модели интеллектуального анализа
после создания и обработки (обучения) модели интеллектуального анализа



Ниже перечислены рекомендуемые этапы проведения интеллектуального анализа данных Расставьте их в правильной последовательности. Ответ укажите в виде последовательности чисел, например 654321

изучение данных
подготовка данных
постановка задачи
развертывание и обновление моделей
построение моделей
исследование и проверка моделей
(Ответ необходимо ввести в поле ввода.)



Среди перечисленных средств оценки точности, выберите те, что плохо применимы в случае решения описательных задач интеллектуального анализа:

диаграмма точности прогнозов
матрица классификации
перекрестная проверка



Автоматизировать обновление развернутых в производственной среде моделей интеллектуального анализа данных можно, используя службы:

Integration Services
Reporting Services
Database Engine



Выберите наиболее точное продолжение фразы: "Перекрёстная проверка может использоваться для оценки точности модели …"

только в случае решения предсказательных задач интеллектуального анализа
только в случае решения описательных задач интеллектуального анализа
при решении как предсказательных, так и описательных задач интеллектуального анализ



Среди представленных в списке алгоритмов интеллектуального анализа выберите наиболее быстрый (требующий наименьшего количества вычислений):

Microsoft Naive Bayes
Microsoft Clustering
Microsoft Neural Network



Выберите наиболее корректное продолжение фразы: "При использовании алгоритма Microsoft Naive Bayes числовые входные параметры…"

могут быть только дискретными или дискретизированными
могут быть только дискретными
могут быть дискретными, дискретизированными или непрерывными
могут быть только непрерывными



Выберите корректное утверждение относительно упрощенного алгоритма Байеса:

никаких предположений относительно степени взаимной зависимости входных атрибутов не делается
предполагается, что все входные атрибуты взаимосвязаны
предполагается, что все входные атрибуты взаимно независимы



Явление, заключающееся в том, что модель отлично классифицирует данные из обучающего набора, но имеет невысокую точность прогнозирования для новых данных, принято называть:

избыточность
зацикленность
переобучение
недостаточное обучение



Деревья решений позволяют решать задачи (отметьте все подходящие варианты):

кластеризации
классификации
регрессии
поиска взаимосвязей



Выходной числовой параметр алгоритма Microsoft Decision Trees, может быть …:

только дискретным (или дискретизированным)
как непрерывным, так и дискретным (или дисретизированным)
только непрерывным



При анализе временных рядов, как правило, предполагается, что предсказываемый атрибут:

числовой дискретный
текстовый
числовой непрерывный



Выберите наиболее точное утверждение относительно алгоритма Microsoft Linear Regression в SQL Server 2008 (2008 R2):

выбор Microsoft Linear Regression приводит к вызову алгоритма Microsoft Logistic Regression c особыми параметрами
выбор Microsoft Linear Regression приводит к вызову алгоритма Microsoft Neural Networks c особыми параметрами
Microsoft Linear Regression ( это алгоритм с полностью самостоятельной реализацией
выбор Microsoft Linear Regression приводит к вызову алгоритма Microsoft Decision Trees c особыми параметрами



В алгоритмах регрессии "регрессором" называется:

независимая переменная (аргумент)
зависимая переменная
выявленная алгоритмом зависимость



В Microsoft SQL Server 2008 учет перекрестного влияния временных рядов производится алгоритмом Microsoft Time Series в случае использования (отметьте все подходящие варианты):

алгоритма ARTxp
алгоритма ARIMA
алгоритма c-means (к-средних)



Выберите наиболее корректное продолжение фразы "Реализация алгоритма ARIMA добавлена в алгоритм Microsoft Time Series, чтобы улучшить…":

точность долгосрочного прогноза
точность прогноза при наличии трендов
точность прогноза ближайших членов ряда
точность прогноза при наличии периодичности



В приведенном списке отметьте два основных формата представления временных рядов, применяемых в ходе интеллектуального анализа данных:

столбчатый
непрерывный
чередующийся
перекрестный



В SQL Server 2008 алгоритм Microsoft Clustering содержит реализацию двух алгоритмов кластеризации:

"нечеткий" алгоритм к-средних (Fuzzy с-means)
алгоритм максимизации ожиданий (Expectation Maximization)
дерево авторегрессии с перекрестным прогнозированием (ARTxp)
к-средних (c-means)



По умолчанию алгоритм Microsoft Clustering использует:

немасштабируемую версию алгоритма максимизации ожидания
масштабируемую версию алгоритма максимизации ожидания
масштабируемую версию алгоритма к-средних
немасштабируемую версию алгоритма к-средних



Алгоритм "к-средних" (c-means) относится к алгоритмам …

классификации
поиска взаимосвязей
"жесткой" кластеризации
"мягкой" кластеризации



В алгоритме Apriori и основанном на нем алгоритме Microsoft Association Rules для измерения популярности набора элементов используется показатель поддержка (англ support) Поддержка набора элементов {A,B} это:

число транзакций, которые содержат или A, или B, или их вместе
сумма числа транзакций, содержащих A, и числа транзакций, содержащих B
произведение числа транзакций, содержащих A, и числа транзакций, содержащих B
число транзакций, которые содержат как A, так и B



При использовании масштабируемого алгоритма максимизации ожидания на больших объемах данных, в SQL Server 2008 по умолчанию сначала анализируется:

1 000 вариантов (записей)
5 000 вариантов (записей)
100 000 вариантов (записей)
10 000 вариантов (записей)
50 000 вариантов (записей)



Термин "жесткая кластеризация" означает что:

каждый вариант будет отнесен к одному или нескольким кластерам с разными вероятностями
каждый кластер будет содержать ровно один вариант
каждый вариант будет отнесен только к одному кластеру



Корректно завершите утверждение относительно алгоритмов, входящих в стандартную поставку SQL Server 2008: "Алгоритм логистической регрессии, по сути, является …":

упрощенным алгоритмом Байеса, запускаемым с особыми параметрами
алгоритмом нейронных сетей, запускаемым с особыми параметрами
алгоритмом деревьев решений, запускаемым с особыми параметрами
алгоритмом линейной регрессии, запускаемым с особыми параметрами



Корректно завершите утверждение: "Microsoft Sequence Clustering является гибридным алгоритмом, сочетающим методы кластеризации с…":

анализом марковских цепей
анализом нейронных сетей
поиском ассоциативных правил



В алгоритме Apriori и основанном на нем алгоритме Microsoft Association Rules, чтобы оценить взаимную зависимость двух элементов используется показатель importance (важность) Importance({A,B})=1 означает что (выберите наиболее точный ответ):

элементы A и B на 100% взаимозависимы (всегда встречаются вместе)
элементы A и B независимы
A и B имеют положительную корреляцию
A и B имеют отрицательную корреляцию



В качестве функции активации в алгоритме Microsoft Neural Network выходные нейроны используют:

функцию гиперболического синуса
функцию тангенса
сигмоидальную (логистическую) функцию
функцию гиперболического тангенса



В качестве функции активации в алгоритме Microsoft Neural Network скрытые нейроны используют:

функцию гиперболического тангенса
функцию гиперболического синуса
функцию тангенса
сигмоидальную (логистическую) функцию



Нейронная сеть, формируемая алгоритмом Microsoft Neural Network, может включать:

до четырех слоев нейронов
только два слоя нейронов
только один слой нейронов
до трех слоев нейронов



В приведенном списке отметьте все типы данных, поддерживаемых языком DMX

Time
Long
Text
Date
Boolean
Integer
Double



Выберите корректное продолжение фразы "Значения в ключе вложенной таблицы должны быть …"

уникальными, ни в одном варианте, ни в рамках всего множества вариантов повторения не допускаются
одинаковыми в рамках одного варианта, но не должны совпадать у различных вариантов;
уникальными для каждого варианта, но во всем множестве вариантов могут быть повторяющиеся значения;



Тип содержимого key sequence может применяться только:

в моделях кластеризации последовательностей
в моделях временных рядов
в моделях взаимосвязей (ассоциативных правил)
в моделях кластеризации



Тип содержимого key time может применяться только:

в моделях временных рядов
в моделях кластеризации
в моделях взаимосвязей (ассоциативных правил)
в моделях кластеризации последовательностей



Выберите корректное продолжение фразы: "В SQL Server 2008 (2008 R2) типы содержимого Time и Sequence поддерживаются …"

только алгоритмами сторонних производителей (не Microsoft)
только стандартными алгоритмами (Microsoft)
как стандартными алгоритмами, так и алгоритмами сторонних производителей



Если надо гарантировать возможность повторного создания такого же разбиения исходных данных на обучающий и проверочный набор (при условии, что исходные данные остались прежними), при создании структуры…

нужно поставить ключевое слово REPEATABLE и в скобках указать ненулевое целое значение
нужно поставить ключевое слово REPEATABLE и в скобках после него поставить "0"
нужно оставить все настройки по умолчанию



Указать, что в структуре интеллектуального анализа необходимо резервировать данные для проверочного набора, можно с помощью ключевых слов:

WITH TEST_SET
WITH HOLDOUT
WITH RESERVATION



Для создания временной структуры интеллектуального анализа данных в операторе CREATE MINING STRUCTURE надо использовать ключевое слово:

TRANSIENT
TEMPORARY
SESSION
INTERIM



Создать новую модель интеллектуального анализа данных в существующей структуре можно с помощью оператора:

MAKE NEW MINING MODEL IN …
CREATE MINING MODEL …
ALTER MINING STRUCTURE …



Флаг моделирования REGRESSOR указывается:

для отдельного столбца (атрибута)
для модели целиком
для базы данных аналитических служб
для структуры целиком



Оператор CREATE MINING MODEL позволяет:

создать новую модель интеллектуального анализа вместе с новой структурой, имя структуры формируется путем добавления "_structure" к имени модели
создать новую модель интеллектуального анализа в существующей структуре, если ранее в этой структуре моделей создано не было
создать новую модель интеллектуального анализа в существующей структуре, независимо от наличия в ней других моделей
создать новую модель интеллектуального анализа вместе с новой структурой, причем структура и модель будут называться одинаково



Ключевые слова WITH DRILLTHROUGH указанные при создании модели означают, что:

необходимо резервировать данные для проверочного набора
не нужно резервировать данные для проверочного набора
детализация разрешена
детализация запрещена



Если при создании модели интеллектуального анализа для столбца установлен флаг PREDICT, это означает:

столбец является только входом
столбец является как входом, так и выходом
столбец является только выходом



В языке DMX указывать используемый алгоритм интеллектуального анализа надо (выберите наиболее точный ответ):

только при создании модели
как при создании структуры, так и при создании модели, причем названия алгоритмов должны совпадать
только при создании структуры
как при создании структуры, так и при создании модели, причем названия алгоритмов могут быть различны



Пусть необходимо с помощью оператора INSERT INTO обработать структуру, включающую вложенные таблицы В приведенном списке выберите инструкцию, которую нужно использовать для формирования набора данных, помещаемого в структуру:

OPENQUERY
OPENROWSET
SHAPE



Если столбец исходных данных, помещаемых в модель или структуру оператором INSERT INTO, не должен использоваться для заполнения структуры или модели (те пропускается), это указывается с помощью:

ключевого слова NULL в соответствующей позиции
ключевого слова MISSING в соответствующей позиции
ключевого слова SKIP в соответствующей позиции
символа пробела в соответствующей позиции



В результате выполнения оператора DELETE FROM MINING STRUCTURE <имя структуры>CASES

содержимое структуры интеллектуального анализа данных и связанных с ней моделей интеллектуального анализа данных удаляется
удаляется структура интеллектуального анализа данных со всем содержимым и моделями
содержимое структуры удаляется (кэш вариантов очищается), а связанные с ней модели остаются без изменений



В языке DMX, если необходимо преобразовать возвращаемый запросом результат в "плоский" набор строк (к табличному виду), оператор SELECT дополняют инструкцией:

TABLE
DISTINCT
FLATTENED
PLANE



Сохранить модель или структуру интеллектуального анализа в файл резервной копии служб Analysis Services можно с помощью инструкции:

COPY
IMPORT
SAVE
EXPORT



Пусть мы хотим, чтобы при прогнозирующем соединении автоматически сопоставлялись имена столбцов "исходного" запроса (исходных данных) с совпадающими по именам столбцами модели (те предложение ON можно было бы опустить) Для этого надо использовать инструкцию DMX (выберите наиболее точный вариант):

SPECIAL PREDICTION JOIN
PREDICTION JOIN
NATURAL PREDICTION JOIN
PREDICTION CROSS JOIN



Функция DMX, возвращающая истину, если вариант принадлежит обучающему набору данных, это:

IsTrainingCase()
LearningCase()
InLearningSet()
TraningSet()



Чтобы оператор DMX SELECT вернул не весь набор записей, а только первые 5, надо использовать формат:

SELECT 5 …
SELECT FIRST 5 …
SELECT TOP 5 …



Чтобы на SQL Server 2008 (2008 R2) создать модель интеллектуального анализа, использующую стандартную реализацию упрощенного алгоритма Байеса, в коде на DMX в качестве названия алгоритма надо указать:

Naive Bayes
Microsoft_Naive_Bayes
Microsoft Naive Bayes
Bayes



В приведенном списке отметьте все характерные особенности алгоритма Microsoft Naive Bayes:

входные атрибуты могут иметь только числовые типы данных
входные атрибуты с типом содержимого Continuous (непрерывный) не допускаются
выходной атрибут должен быть числовым с типом содержимого Continuous (непрерывный)
должен быть определен хотя бы один выходной атрибут



Выберите наиболее точное утверждение относительно алгоритма Microsoft Naive Bayes:

алгоритм не поддерживает детализацию
алгоритм ограниченно поддерживает детализацию (в зависимости от типа выходных и выходных параметров)
алгоритм поддерживает детализацию



Выберите правильное продолжение утверждения относительно алгоритма Microsoft Decision Trees: "Если прогнозируемый атрибут дискретен, а входные данные непрерывны, вход непрерывных столбцов автоматически …":

усредняется
игнорируется
кластеризуется
дискретизируется



Выберите правильное продолжение утверждения: "Параметр FORCE_REGRESSOR, требующий от алгоритма обязательно использовать указанные столбцы в качестве регрессоров …"

не может использоваться ни для линейной регрессии, ни для деревьев решений
может использоваться для деревьев решений только при прогнозировании категориального атрибута (текстового или дискретного числового)
может использоваться для линейной регрессии и деревьев решений, прогнозирующих непрерывный атрибут



Параметр MAXIMUM_STATES указывает максимальное количество состояний атрибута, поддерживаемое алгоритмом Если количество состояний больше, то алгоритм использует наиболее частые состояния атрибутов и считает остальные состояния отсутствующими Значение по умолчанию для этого параметра алгоритма Microsoft Naive Bayes:
(Ответ необходимо ввести в поле ввода.)



Для алгоритма Microsoft Time Series параметром MISSING_VALUE_SUBSTITUTION определяется:

порядок формирования моделей "с предысторией" для оценки точности
порядок резервирования данных для проверочного набора
порядок обработки пропущенных значений ряда



В приведенном списке отметьте характерные особенности алгоритма Microsoft Linear Regression:

необходимо наличие как минимум одного прогнозируемого столбца
каждая модель должна содержать один ключевой столбец (тип key); составные ключи не допускаются
допустимы прогнозируемые столбцы с типом данных Text



Укажите параметр алгоритма Microsoft Decision Trees, который определяет метод, используемый для разбиения узлов (использовать бинарное разбиение или полное):

COMPLEXITY_PENALTY
SPLIT_METHOD
SCORE_METHOD
MAXIMUM_OUTPUT_ATTRIBUTES



Для алгоритма Microsoft Time Series значением по умолчанию параметра FORECAST_METHOD является:

MIXED
ARIMA
ARTXP



Для алгоритма Microsoft Time Series параметр PREDICTION_SMOOTHING указывает:

степень "чувствительности" автоматического обнаружения периодичности
как модель должна использовать сочетание двух алгоритмов для оптимизации прогнозов
интервал времени между двумя последовательными моделями с предысторией



Параметр PERIODICITY_HINT алгоритма Microsoft Time Series позволяет:

явно указать алгоритму известную периодичность
указать алгоритму, что из исходного набора нужно с заданной периодичностью резервировать данные в обучающую выборку
указать алгоритму на необходимость автоматически определять периодичность



У алгоритма Microsoft Clustering есть параметр, содержащий признак завершения построения модели - оценку максимального числа вариантов, которые могут изменить свое членство в кластерах Этот параметр называется:

MINIMUM_SUPPORT
STOPPING_TOLERANCE
SAMPLE_SIZE
MODELLING_CARDINALITY



У алгоритма Microsoft Clustering есть параметр MINIMUM_SUPPORT Он указывает:

минимальный размер кластера
минимальную оценку вероятности принадлежности, при которой вариант считается включенным в кластер
минимальное число создаваемых кластеров



В приведенном списке отметьте характерные особенности алгоритма Microsoft Clustering:

обязательно должен присутствовать ключевой столбец, применение составных ключей не допускается
наличие прогнозируемого столбца необязательно
варианты с вложенными таблицами алгоритмом не поддерживаются



В алгоритме Microsoft Association Rules минимальное количество элементов, допустимых в наборе, можно указать, используя параметр:

MINIMUM_SUPPORT
MINIMUM_ITEMSET_SIZE
MINIMUM_IMPORTANCE



Выберите правильное утверждение относительно алгоритма Microsoft Association Rules:

входные столбцы должны быть дискретными или дискретизированными
входные столбцы могут быть только непрерывными
входные столбцы могут иметь любой допустимый DMX тип содержимого
входные столбцы могут быть только дискретными



У многих встроенных в SQL Server 2008 алгоритмов интеллектуального анализа есть параметр MAXIMUM_INPUT_ATTRIBUTES (максимальное количество входных атрибутов, которые алгоритм может обработать перед вызовом процедуры выбора характеристик) со значением по умолчанию:
(Ответ необходимо ввести в поле ввода.)




У алгоритма Microsoft Sequence Clustering есть параметр CLUSTER_COUNT, указывающий примерное количество кластеров, создаваемых алгоритмом Его значение по умолчанию:
(Ответ необходимо ввести в поле ввода.)




Выберите корректное продолжение утверждения: "Модель, использующая алгоритм Microsoft Neural Network, должна содержать, по крайней мере, …"

один входной столбец, но может не иметь выходных (прогнозируемых) атрибутов
два входных столбца и один выходной (прогнозируемый)
один входной и два выходных (прогнозируемых) столбца
один входной и один выходной (прогнозируемый) столбец



В запросах к модели, основанной на алгоритме Microsoft Sequence Clustering, в которых требуется получить наиболее вероятное продолжение последовательности, надо использовать функцию:

PredictProbability()
PredictNext()
Predict()
PredictSequence()



В алгоритме Microsoft Neural Network соотношение числа скрытых, входных и выходных нейронов указывается с помощью параметра:

HIDDEN_NODE_RATIO
SAMPLE_SIZE
HOLDOUT_PERCENTAGE



В модели, использующей алгоритм Microsoft Neural Network, вложенная таблица…

может использоваться и как входной, и как прогнозируемый атрибут
может использоваться как входной атрибут, но не может использоваться в качестве прогнозируемого
не может использоваться ни как входной, ни как прогнозируемый атрибут
может использоваться как прогнозируемый атрибут, но не может использоваться в качестве входного



Для алгоритма Microsoft Logistic Regression параметр HIDDEN_NODE_RATIO

может принимать значение True или False (по умолчанию True)
может принимать неотрицательные целые значения (по умолчанию 10)
неприменим (тк всегда должен быть равен 0)



Выберите наиболее корректное продолжение фразы "При проведении интеллектуального анализа данных на этапе изучения данных …"

может проводиться поиск минимальных и максимальных значений параметров, анализ статистических характеристик, сравнение полученных результатов с представлениями о предметной области
может определяться, нужно ли будет делать прогнозы на основании модели интеллектуального анализа данных или просто найти содержательные закономерности и взаимосвязи
может проводиться удаление "выбросов", обработка отсутствующих значений параметров, численное преобразование (например, нормализация)

Вы можете обратится к нам напрямую, через:

skype По Skype: molodoyberkut
telegram По Telegram: @MolodoyBerkut
icq По ICQ: 657089516

Или через форму обратной связи на нашем сайте
Пока сочиняется...
4.png