Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych

Józef Pociecha

Uzyskaj dostęp

ISBN/ISSN:

978-83-7252-888-9

DOI:

Wydawnictwo:

Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie

Rok wydania:

2023

Liczba stron:

173

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Pociecha, Józef. Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych. Red. . : Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, 2023, 173 s. ISBN 978-83-7252-888-9

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Pociecha, J.

T1 Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych

PB Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie

YR 2023

SN 978-83-7252-888-9

Bibliografia BibTex:

@Book{ 311963, author = "Pociecha, Józef", editor = "", title = "Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych", publisher = "Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie", year = "2023", address = "", isbn = "978-83-7252-888-9" }

Bibliografia endNote:

TY - BOOK

AU - Pociecha, Józef

ED -

TI - Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych

PB - Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie

CY -

PY - 2023

SN - 978-83-7252-888-9

ER -

Netografia (standard APA):

Pociecha, Józef. Filozoficzne i metodologiczne podstawy współczesnych analiz statystycznych [baza danych online] : Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, 2023 [dostęp: 03 07 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/filozoficzne-i-metodologiczne-podstawy-wspolczesnych-analiz-jozef-pociecha-311963.

sztuczna inteligencja, analiza danych, filozofia nauki, uczenie nadzorowane, uczenie statystyczne

Książka jest efektem studiów autora i jego przemyśleń nad filozoficznymi i metodologicznymi podstawami prowadzenia współczesnych analiz statystycznych. Jego intencją było połączenie w jedną całość problematyki filozoficznej, statystycznej oraz inf...

Więcej

ISBN/ISSN:

978-83-7252-888-9

DOI:

Wydawnictwo:

Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie

Rok wydania:

2023

Liczba stron:

173

XML:ISBN/ISSN:

ONIX MARC21

Wprowadzenie8
1.1. Reguły i cele poznania naukowego24
Rozdział 1. POSZUKIWANIE PRAWDY W BADANIACH NAUKOWYCH24
1.2. Klasyczna definicja prawdy28
1.3. Neopozytywistyczne ujęcie prawdy30
1.4. Krytyczny racjonalizm Karla Poppera33
1.5. Filozofia nauki Thomasa Kuhna38
1.6. Probabilistyczne ujęcie prawdy42
2.1. Determinizm a indeterminizm46
Rozdział 2. FILOZOFICZNE I METODOLOGICZNE ZAŁOŻENIA BADAŃ STATYSTYCZNYCH46
2.2. Przypadek a chaos49
2.3. Wnioskowanie dedukcyjne a wnioskowanie indukcyjne52
2.4. Losowość a niepewność56
2.5. Paradygmat wnioskowania statystycznego60
3.1. Rozwój technologii informacyjnej67
Rozdział 3. WYZWANIA WSPÓŁCZESNYCH BADAŃ STATYSTYCZNYCH67
3.2. Duże zbiory danych71
3.3. Wyzwania dotyczące analizy danych76
4.1. Istota sztucznej inteligencji80
Rozdział 4. PODSTAWY I ZASADY DZIAŁANIA SZTUCZNEJ INTELIGENCJI80
4.2. Matematyczne podstawy sztucznej inteligencji84
4.3. Filozoficzne podstawy sztucznej inteligencji88
4.4. Rozwój inżynierii i zastosowań sztucznej inteligencji96
4.5. Zasady uczenia maszynowego102
5.1. Istota uczenia statystycznego106
Rozdział 5. METODOLOGICZNE PODSTAWY UCZENIA STATYSTYCZNEGO106
5.2. Zasady uczenia statystycznego108
5.3. Paradygmat uczenia statystycznego112
5.4. Kryteria klasyfikacji metod uczenia statystycznego116
6.1. Liniowe modele uczenia statystycznego124
6.1.1. Uwagi ogólne124
6.1.2. Model regresji liniowej124
Rozdział 6. PRZEGLĄD METOD NADZOROWANEGO UCZENIA STATYSTYCZNEGO124
6.1.3. Regresja logistyczna126
6.1.4. Liniowa funkcja dyskryminacyjna129
6.2. Metoda najbliższego sąsiedztwa131
6.3. Uogólnione modele addytywne133
6.4. Modele oparte na gęstości prawdopodobieństwa135
6.4.1. Uwagi ogólne135
6.4.2. Estymatory i klasyfikatory jądrowe136
6.4.3. Naiwny klasyfikator bayesowski138
6.4.4. Modele mieszanek rozkładów140
6.5. Metody drzewkowe141
6.5.1. Uwagi ogólne141
6.5.2. Algorytm CART do wyznaczania drzew klasyfikacyjnych i regresyjnych142
6.5.3. Podejście wielomodelowe144
6.5.4. Metoda agregacji bootstrapowej (bagging)146
6.5.5. Metoda wzmacniania (boosting)147
6.5.6. Lasy losowe149
6.6. Metoda wektorów nośnych (SVM)151
6.7. Sztuczne sieci neuronowe153
6.8. Podsumowanie157
Literatura161
Indeks osobowy169
Indeks rzeczowy171