Бакалаврат
Методичне забезпечення дисциплін освітньої програми “Інтелектуальний аналіз даних”
ООК — Обов’язкові освітні компоненти
Основна література | |
1 | А. М. Сергієнко, А. А. Молчанова, В. О. Романкевич. Комп’ютерна дискретна математика. – К: КПІ ім. Ігоря Сікорського, 2022. – 189 с. |
2 | К. Р. Колос. Комп’ютерна дискретна математика: навчальний посібник [Електронний ресурс]. – Житомир: Державний університет “Житомирська політехніка”, 2020. – 200 с. |
3 | Матвієнко М. П. Теорія алгоритмів. – Київ : Ліра-К, 2019. – 344 с.
ISBN 978-966-2609-34-9 |
4 | Ришковець Ю. В., Висоцька В. А. Алгоритмізація та програмування. Частина 2: навчальний посібник – Львів: Видавництво «Новий Світ-2000», 2020. – 320 с. |
5 | Нікольський Ю. В., Пасічник, В. В. Щербина Ю. М. Дискретна математика: підручник. – К: Магнолія, 2024. – 432 с.
ISBN:978-966-2025-76-7 |
Додаткова література | |
6 | Матвієнко М. П. Дискретна математика. – Київ : Ліра-К, 2019. – 324 с.
ISBN 978-966-2609-32-5 |
7 | Кормен Т., Лейзерсон Ч., Рівест Р., Стайн К. Вступ до алгоритмів. – К.: К.І.С., 2019. – 1288 с.
ISBN 978-617-684-239-2 |
1. В. В. Бублик. Об’єктно-орієнтоване програмування. Київ: IT-Книга 2015 р.
2. B. Stroustrup, The C++ Programming Language 4th Edition – 2013, 1281 p.
3. R. Floyd, Paradigms of Programming, Communications of the ACM, August 1979, vol. 22, № 8, pp. 455-460.
4. Stanley Lippman, Josée Lajoie and Barbara Moo, “C++ Primer”, 5th Edition – 2013, 969 p.
5. Erich Gamma et al.. Design Patterns Elements of Reusable Object-Oriented Software – 2009. 417 p.
6. https://en.cppreference.com/w/
7. Brett D. McLaughlin. Head First Object-Oriented Analysis and Design 1st Edition – 2006, 636 p.
ISBN: 9780596008673
Основна література
2. Richard Szeliski. Computer Vision: Algorithms and Applications (Texts in Computer Science) 2nd ed. 2022 Edition.
4. Graham Sellers at al.. OpenGL Superbible: Comprehensive Tutorial and Reference (English Edition) 7th Edition – 2015. 1969 p.
5. Dave Shreiner. OpenGL Programming Guide – 8th Edition – 2013. 986 p.
Додаткова література
6. https://people.eecs.berkeley. edu/~dcoetzee/downloads /scolorq/#sampleimages/
7. http://sirkan.iit.bme.hu/~szir may/antial.pdf
9. http://www.cs.virginia.edu /~jdl/bib/color/ ruderman98.pdf
11. http://www.glprogramming. com/red/
13. https://www.opengl.org/ wiki/Getting_Started
14. http://www.opengl.org/lesson /index.html
Основна література | |
1 | Кормен Т., Лейзерсон Ч., Рівест Р., Стайн К. Вступ до алгоритмів. К.: К. І. С., 2019. 1288 с.
ISBN 978-617-684-239-2 |
2 | Кормен Т. Алгоритми доступно. К.: К. І. С., 2021. 194 с.
ISBN 978-617-684-269-9 |
3 | Адіт’я Бхаргава Грокаємо алгоритми. Ілюстрований посібник для програмістів і допитливих. – ArtHuss, 2023. – 256c.
ISBN 978-617-8025-57-1 |
4 | Васильєв О. Алгоритми. – Ліра-К, 2022. – 424 с.
ISBN 978-617-520-353-8 |
5 | Imran Ahmad 50 Algorithms Every Programmer Should Know: Tackle computer science challenges with classic to modern algorithms in machine learning, software design, data systems, and cryptography. – Packt Publishing, 2023. – 538 c.
ISBN 978-180-3247-76-2 |
Додаткова література | |
6 | Jay Wengrow A Common-Sense Guide to Data Structures and Algorithms, Second Edition: Level Up Your Core Programming Skills. Pragmatic Bookshelf, 2020. 508 c.
ISBN 978-168-0507-22-5 |
7 | Kumar S. Ray, Bimal Kumar Ray Polygonal Approximation and Scale-Space Analysis of Closed Digital Curves. Apple Press, 2021. 288c.
ISBN 978-177-4632-64-2 |
Основна література |
1.Мокін, Борис Іванович.
Функціональний аналіз, адаптований до прикладних задач в галузі інформаційних технологій: навч.посіб./ Б.І.Мокін, В.Б.Мокін; Вінниц. нац. техн. ун-т.- Вінниця ВНТУ,2020. -191с. :рис.,таб. – Бібліогр.:с 190-191. – 5-(1-й запуск1-21) прим – ISBN 978-966-641-796-4 |
2. Ніколаєв, Олексій Георгійович.
Функціональний аналіз [Текст] : підручник / О. Г. Ніколаєв ; Нац. аерокосм. ун-т ім.М.Є.Жуковського “Харків. авіац. ін-т”. – Харків: ХАІ, 2021. – 231 с.: рис. – Бібліогр.: с. 229. – 100 прим. – ISBN 978-966-662-832-2 |
3. Кадець, Володимир Михайлович.
Курс функціонального аналізу та теорії міри [Текст] : підручник / В. М. Кадець ; пер. з рос. Я. С. Магола, д-р фіз.-мат. наук І. Е. Чижиков ; за наук. ред. проф. О. Б. Скаскіна. – Л. : І. Е. Чижиков [вид.], 2012. – 589 с. – (Університетська бібліотека ; т. 1). – Бібліогр.: с. 571-575. – 500 прим. – ISBN 978-966-2645-03-3 |
4.Березанський, Юрій Макарович.
Функціональний аналіз [Текст] : підручник / Ю. М. Березанський, Г. Ф. Ус, З. Г. Шефтель ; пер. з англ. канд. фіз.-мат. наук Т. С. Кудрик, д-р фіз.-мат. наук О. Б. Скасків ; за наук. ред. проф. В. А. Михайлеця та проф. О. Б. Скасківа. – Львів : І. Е. Чижиков [вид.], 2014. – 558 с. –м (Серія “Університетська бібліотека” ; т. 3). – Бібліогр.: с. 545-549. – Пер. изд. : Functional analysis / Yu. M. Berezansky, Z. G. Sheftel, G. F. Us. – 2010. – 500 прим. – ISBN 978-966-2645-12-5 |
5. Функціональний аналіз : навч. посіб. для студентів спеціальності «Системний аналіз» усіх форм навчання / Г. C. Буланов, О. Г. Ровенська, В. М. Астахов. – Краматорськ : ДДМА, 2017. – 63 с. – ISBN 978-966-379-788-5 |
Основна література | |
1 | 1. Belegundu A. D., Chandrupatla T. R. Optimization Concepts and Applications in Engineering. – Cambridge: Cambridge University Press, 2019. – 464 p. |
2 | A. Antoniou, W.-S. Lu. Practical Optimization. – New York, NY: Springer, 2021. – 722 p. |
3 | A. Beck. Introduction to Nonlinear Optimization: Theory, Algorithms, and Applications with Python and MATLAB. – Philadelphia: SIAM, 2023. – 351 p. |
Додаткова література | |
4 | F. Hillier, G. Lieberman. Introduction to Operations Research. – McGraw-Hill Higher Education, 2021. – 1088 p.
ISBN 978-125-987-299-0 |
5 | J. P. Wheeler. An Introduction to Optimization with Applications in Machine Learning and Data Analytics. -CRC Press, 2024. – 473 p. |
Основна література | |
1 | 1. Чуйко С.М., Нєсмєлова О.В., Чуйко О.С. Математичні основи статистичної обробки даних. – Слов’янськ, – 2021. |
2 | Мороз В.С. Економетрія / В.С. Мороз, М.В. Диха. – К.: Центр навчальної літератури, 2019. – 206 с.
ISBN 978-617-673-486-4 |
3 | Гнєденко Б.В. Курс теорії ймовірностей. – К.: Київський університет, 2010. – 463с. |
4 | Сидорова А. В., Біленко Д. В., Буркіна Н. В. С 347 Бізнес-аналітика: навчально-методичний посібник. Вінниця: ДонНУ імені Василя Стуса. 2019. 104 с. |
5 | Григорків В.С. Моделювання економіки: підручник / В.С. Григорків. – Чернівці : Чернівецький нац. ун-т ім. Ю. Федьковича, 2019. – 360 с.
ISBN 978-966-423-482-2 |
6 | Моделювання економіки: практикум / В.С. Григорків, М.В. Григорків. Чернівці : Чернівец. нац. ун-т, 2023. 208 с. |
Додаткова література | |
7 | MATLAB Statistics and Machine Learning Toolbox. User’s Guide. – Natick: Mathworks, 2023. – 11098 p. |
Основна література | |
1 | І. А. Терейковський, Д. А. Бушуєв, Л. О. Терейковська ШТУЧНІ НЕЙРОННІ МЕРЕЖІ: БАЗОВІ ПОЛОЖЕННЯ Навчальний посібник.: Київ КПІ ім. Ігоря Сікорського, 2022. 122 с. |
2 | Субботін С. О. Нейронні мережі : теорія та практика: навч. посіб. / С. О. Субботін. – Житомир : Вид. О. О. Євенок, 2020. – 184 с. |
3 | Перцептрон. Матеріал з Вікіпедії. |
4 | Колесницький О. К., Месюра В. І. Нейромережеві моделі та технології обчислювального інтелекту. Нейрокомпютери. Частина 1. Навчальний посібник, Вінниця : ВНТУ, 2021. 66 с.
ISBN 978-966-641-871-8 |
5 | Analytica. User’s Guide. Lumina Decision Systems, Inc. [Електронний ресурс]. |
6 | Analytica Tutorial.– Lumina Decision Systems, Inc. [Електронний ресурс]. |
7 | Гущин І. В. Вступ до методів організації та оптимізації нейромереж : навчальний посібник / В. Гущин, О. В. Киричок, В. М. Куклін. – Х. : ХНУ імені В. Н. Каразіна, 2021 – 152 с.
ISBN 978-966-285-754-2 |
8 | Куклін В. М. Подання знань і операції над ними; навчальний посібник. / В. М. Куклін. Х .: ХНУ імені В. Н. Каразіна, 2019. 164 с.
ISBN: ISBN 978-966-285-606-4 |
Основна література | |
1 | Кононова К. Ю. Машинне навчання: методи та моделі: підручник. – Харків: ХНУ ім. В. Н. Каразіна, 2020. – 301 с. |
2 | R.N. Rao. Machine Learning in Data Science Using Python. – Dreamtech Press, 2022. – 956 p.
ISBN 978-939-154-046-3 |
3 | A. Burkov. Machine Learning Engineering. – True Positive Inc., 2020. – 310 p.
ISBN 978-199-957-957-9 |
Додаткова література | |
4 | M. Kubat. An Introduction to Machine Learning. – Springer Cham, 2021. – 458 p.
ISBN 978-303-081-935-4 |
5 | P. Chatterjee, M. Yazdani, F. Fernández-Navarro, J. Pérez-Rodríguez. Machine Learning Algorithms and Applications in Engineering. – New York: Taylor & Francis, 2023. – 314 p.
ISBN 978-036-756-912-9 |
ВОК — Вільні освітні компоненти
Основна література | |
1 | Wiktorski Tomasz. Data-intensive Systems: Principles and Fundamentals using Hadoop and Spark. Springer, 2019. – 105 p. |
2 | Zgurovsky M.Z., Zaychenko Y.P. Big Data: Conceptual Analysis and Applications. Springer, 2020. – 298 p. |
3 | Akerkar R. Models of Computation for Big Data Cham: Springer International Publishing, 2018. – 110 p. |
4 | Raheem N. Big Data: A Tutorial-Based Approach. Taylor & Francis Group LLC, CRC Press, 2019. – 203 p. |
Додадкова література | |
5 | Davy Cielen, Arno D. B. Meysman, and Mohamed Ali. Introducing Data Science. Big data, machine learning, and more, using Python tools. |
6 | Технології Big Data. Лабораторний практикум. Навч. посібник для здобувачів ступеня магістр за спеціальністю 123 «Комп’ютерні системи та мережі» / Таран В. К.: КПІ ім. Ігоря Сікорського, 2022. – 26 с. |
7 | Peter Ghavami. Big Data Management. Data Governance Principles for Big Data Analytics. |
Книжки | |
1 | “Speech and Language Processing” by Daniel Jurafsky and James H. Martin. |
2 | “Natural Language Processing in Action” by Lane, Howard, and Hapke. |
3 | “Foundations of Statistical Natural Language Processing” by Christopher D. Manning and Hinrich Schütze. |
4 | “Deep Learning for NLP and Speech Recognition” by Palash Goyal, Sumit Pandey, Karan Jain. |
Online курси | |
5 | Coursera: Natural Language Processing Specialization |
6 | Udemy: Natural Language Processing with Deep Learning in Python |
Наукові статті | |
7 | “Attention is All You Need” by Vaswani et al. (Transformer model). |
8 | “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding” by Devlin et al. |
9 | “Word2Vec” by Mikolov et al. |
10 | “GloVe: Global Vectors for Word Representation” by Pennington et al. |
Блогі та навчальні матеріали | |
11 | The Annotated Transformer |
12 | Jay Alammar’s Visualizing Neural Machine Translation |
13 | Chris Olah’s Understanding LSTM Networks |
Наукові журнали на конференції | |
14 | Association for Computational Linguistics (ACL) |
15 | Conference on Empirical Methods in Natural Language Processing (EMNLP) |
Додаткові ресурси | |
16 | Hugging Face Transformers – A library for working with state-of-the-art natural language processing. |
17 | AllenNLP – An open-source NLP research library, built on PyTorch. |
Основна література
1. Richard Szeliski. Computer Vision: Algorithms and Applications (Texts in Computer Science) 2nd ed. 2022 Edition.
2. Mohamed Elgendy. Deep Learning for Vision Systems. Simon and Schuster, 2020 – 480 pages.
3. V Kishore Ayyadevara, Yeshwanth Reddy. Modern Computer Vision with PyTorch: Explore deep learning concepts and implement over 50 real-world image applications. Packt Publishing, 2020 – 824 pages.
4. Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, – MIT Press, 2016.
5. Christopher M. Bishop, Pattern Recognition and Machine Learning. – Springer, 2006.
6. Simon Prince, Computer Vision: Models, Learning, and Inference, 2012.
7. Yoshua Bengio, Learning Deep Architectures for AI, 2009
8. Michael Nielsen, Neural Networks and Deep Learning, 2016
Додаткова література
9. David Forsyth, Jean Ponce, Computer Vision: A Modern Approach, 2002.
11. https://arxiv.org/abs/ 1409.1556
12. https://arxiv.org/abs/ 1409.4842
13. https://arxiv.org/abs/ 1512.03385
14. https://arxiv.org/abs/ 1411.4038
15. https://arxiv.org/abs/ 1311.2524
16. https://arxiv.org/abs/ 1504.08083
17. https://arxiv.org/abs/ 1506.01497
18. https://arxiv.org/abs/ 1506.02640
19. https://arxiv.org/abs/ 2104.14294
20. https://lilianweng.github.io/lil-log/2019/11/10/self-supervised-learning.html
Основна література | |
1 | Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, – MIT Press, 2016. |
2 | Christopher M. Bishop, Pattern Recognition and Machine Learning. – Springer, 2006. |
3 | Yoshua Bengio, Learning Deep Architectures for AI, 2009 |
4 | Michael Nielsen, Neural Networks and Deep Learning, 2016 |
Додаткова література | |
7 | Understanding LSTM Networks |
8 | Attention is All You Need |
9 | The Illustrated Transformer |
10 | ViT: Transformers for Image Recognition. |
11 | DETR: End-to-End Object Detection with Transformers. |
Основна література | |
1 | І. І. Голіченко, О. І. Клесов, О. А. Тимошенко. Фінансова математика та елементи актуарної математики. (електронний ресурс): навчальний посібник для студентів спеціальності 111 «Математика» спеціалізації «Страхова і фінансова математика». КПІ ім. Ігоря Сікорського, 2019-104с. |
2 | Панасенко О. В. П16 Фінансова математика: навчальний посібник [Електронний ресурс] / О. В. Панасенко, С. В. Прокопович. – Харків : ХНЕУ ім. С. Кузнеця, 2017. – 264 с.
ІSBN 978-966-676-716-8 |
3 | Зайцев О. В. З-17 Фінансова математика: підручник Суми, Сумський державний університет, 2022. – 610 с.
ISBN 978-966-657-916-7 |
4 | Козьменко О. В. Актуарні розрахунки. навчальний посібник, Суми: Університетська книга, 2014. – 224 с.
ISBN 978-966-680-588-4 |
5 | Актуарна математика. Ч. 1: навч. посіб. для студ. вищ. навч. закл. / упоряд.: О. М. Іє, С. А. Сотникова; Держ. закл. «Луган. нац. ун-т імені Тараса Шевченка». – Луганськ: Вид-во ДЗ «ЛНУ імені Тараса Шевченка», 2009. – 132 с. |
6 | Заболоцький М.В., Прокопишин І.А., Основи фінансової математики: навч. Посібник – Львів, ЛНУ ім. Івана Франка, 2016 – 144 с. |
Додаткова література | |
7 | Василевич Л.Ф., Семеняка С.О. Фінансова математика: навч. посіб. Київ. ун-т ім. Б. Грінченка. – К.: Київ. ун-т ім. Б. Грінченка, 2020. – 228 с. |
8 | Roberts, A. J. Elementary calculus of financial mathematics / A. J. Roberts. p. cm. – (Mathematical modeling and computation; 15) Includes bibliographical references and index.
ISBN 978-0-898716-67-2 |
Основна література | |
1 | Лактіонова О. А. Л 198 Управління фінансовими ризиками: навчальний посібник / Вінниця: ДонНУ імені Василя Стуса, 2020. 256 с. |
2 | Essentials of Risk Measurement – Finance Train. |
3 | Climate Financial Risk Forum guide 2020. Risk Management chapter. |
4 | Методичні вказівки до виконання лабораторних робіт з навчальної дисципліни “Теорія ризиків” / Уклад. І. А. Лисенко – Кропивницький: ЦНТУ, 2018. |
Додаткова література | |
5 | Сайт Світового валютного фонду |
6 | Базельський комітет із банківського нагляду (Basel Committee on Banking Supervision) |
7 | Сайт Світової федерації фондових бірж. |
8 | Сайт Світового банку |
9 | Панченко О. І. Типологізація фінансових ризиків як основа організації їх страхового захисту. БІЗНЕСІНФОРМ № 3 ’2019 |
10 | Стешенко О. Д. Ризикологія: Навч. посібник. – Харків: УкрДУЗТ, 2019. |
5.Blockchain and accounting. Available at: https://nexia.dk.ua/blokchein-i-bukhhalterskyi-oblik [in Ukrainian, 2024].
1.Chandola V., Banerjee A., Kumar V. Anomaly detection: A survey. – 2009. – Access mode
2.Prajakta S.K. Time series Forecasting using HoltWinters Exponential Smoothing. – Access mode:
3. Kingsland S. E. Modeling nature. – 1995. – Access mode
4.“TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks”
5. An Introductory Study on Time Series Modeling and Forecasting”
6.https://arxiv.org/ abs/1808.03314
8.https://github.com /CyberLympha/ Examples/tree/main/Разбор статей/TadGAN
9.Бібліотека для разпізнавання аномалій в сигналах
10.Алгоритм Dynamic Time Warping,
Основна література | |
1 | Marwan Omar. Machine Learning for Cybersecurity – Innovative Deep Learning Solutions. Springer Briefs in Computer Science, Springer, 2022. |
2 | Halder S. & Ozdemir S. (2018). Hands-on machine learning for cybersecurity : safeguard your system by making your machines intelligent using the python ecosystem. Packt Publishing. Retrieved December 23 2023 from |
3 | Tsukerman, E. (2019). Machine Learning for Cybersecurity Cookbook. |
4 | Handa, A., Sharma, A., & Shukla, S. K. (2019). Machine learning in cybersecurity: A review. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 9(4), e1306. |
5 | Dasgupta, D., Akhtar, Z., & Sen, S. (2022). Machine learning in cybersecurity: a comprehensive survey. The Journal of Defense Modeling and Simulation, 19(1), 57-106. |
6 | Xin, Y., Kong, L., Liu, Z., Chen, Y., Li, Y., Zhu, H., … & Wang, C. (2018). Machine learning and deep learning methods for cybersecurity. Ieee access, 6, 35365-35381. |