bgscience@idbg.ru
+7 495 648 62 41 127015, Москва, ул. Новодмитровская, д. 5А, стр. 7
Меню

Интеллектуальные методы анализа данных как инновационный элемент в деятельности современных фирм


Меркулина И.А., Никитин А.П.
(подробнее об авторах)

Меркулина Ирина Анатольевна – профессор кафедры прикладной информатики в экономике Всероссийской государственной налоговой академии Минфина России, кандидат экономических наук, доцент

Никитин Александр Павлович – Профессор кафедры прикладной информатики в экономике Всероссийской государственной налоговой академии Минфина России, кандидат технических наук, доцент

Опубликовано в журнале:
Креативная экономика
– № 6 (18), Июнь 2008



Ключевые слова: автоматизация, инновационный путь развития, информационные технологии


Цитировать статью:
Меркулина И.А., Никитин А.П. Интеллектуальные методы анализа данных как инновационный элемент в деятельности современных фирм // Креативная экономика. — 2008. — № 6 (18). — с. 23-28. — URL: http://bgscience.ru/lib/3786


Другие статьи по этой тематике :
Шутьков А.А., Дудин М.Н., Анищенко А.Н. (2019) Развитие инновационной деятельности в АПК: Био-инжиниринг и интеллектуальные машины
Ассорина Г.Ю., Ягудин С.Ю. (2010) Построение алгоритма формирования структуры интеллектуального капитала в инновационной деятельности вуза
Соколов И.А. (2007) Внедрение моделей инновационной логистики в деятельности туристских фирм в условиях устранения проблем их функционирования

(+ еще похожие статьи)



Поделиться этой страницей:

Аннотация:

Переход российской экономики к инновационной модели развития является одной из наиболее важных макроэкономических тем, широко обсуждаемых в научной, специальной и публицистической литературе. Спектр проблем, порождаемых таким переходом и связанных с ним, также весьма обширен. В частности, актуальным становится привлечение развитых аналитических, программных и вычислительных методов для решения широкого круга экономических задач, возникающих в текущей деятельности предприятий. Именно вопросы применения таких методов и будут предметом рассмотрения в настоящей публикации.







Источники:
1. Fayyad U. From data mining to knowledge discovery: an overview / U. Fayyad, G, Piatetsky-Shapiro, P. Smyth. – In Advances in Knowledge Discovery and Data Mining. Menlo Park, CA: AAAI Press/ The MIT Press, 1996. – pp.495-515.
2. Меркулина И.А. Применение методов обнаружения логических закономерностей в экономических задачах / И.А. Меркулина, А.П. Никитин. – М.: ИВЦ «Маркетинг», 2007. – 354 с. – ISBN 978-5-7856-0587-9.
3. Sumathi S. Data Mining in business / Sumathi S., Sivanandam S.N. // Studies in Computational Intelligence. – 2006. – v. 29. – p.387-409.
4. Lavrac N. Introduction: Lessons learned from data mining applications and colloborative problem solving/ Lavrac N., Motoda H., Fawcett T., Holte R., Langley P., Adriaans P. // Machine Learning. – 2004. – v. 57. – p. 13-34.
5. Меркулина И.А. Дипломное проектирование и выпуск конкурентноспособных информатиков-экономистов / Меркулина И.А., Никитин А.П., Каширская Е.Н. // Прикладная Информатика. 2007. – №3. – с. 60-72. – ISSN – 1993-8314.
6. Полежаев И.Е. Метод сегментации клиентских баз данных на основе жизненного цикла клиента [Электронный ресурс]. – Электронный научный журнал «Исследовано в России» 2006. – с.1875-1902. – zhurnal.ape.relarn.ru/articles/2006/200.pdf
7. Makridakis S.G. Forecasting: methods and applications / S.G. Makridakis, S.C. Wheelwright, R.J. Hyndman. – 3rd edition. – Wiley, 1998. – 656 p.