NeoNeuro Data Mining - это новое поколение программного обеспечения для глубинной обработки данных и машинного обучения.
Открыть пример анализа базы пассажиров "Титаника".
Изучайте Data Mining с лёгкими для понимания примерами. Обучите компьютер самостоятельно: сложению, вычитанию, булевым операциям, задаче с ирисами Фишера и даже шахматным ходам при помощи удобной программы NeoNeuro Data Mining!
Вы будете поражены тому, как Data Mining учится шахматам постепенно, как ребёнок.
В отличие от нейронных сетей, NeoNeuro Data Mining работает быстро, может отвечать 'не знаю' на некоторые вопросы, и обрабатывает многомерные задачи.
Достоинства программы:
- наглядность,
- высокая скорость,
- ответ программы может быть: однозначный, несколько вариантов, 'не знаю',
- общий алгоритм решает разные типы задач.
В NeoNeuro Data Mining реализован учёт взаимосвязей параметров: в шахматах можно объединять данные с координатами (вертикаль, откуда пошли и вертикаль, куда пошли), в финансовом анализе можно объединять данные, где фигурируют деньги, чтобы отличать их от неденежных параметров. Например, зарплата и ежемесячный платёж по кредиту – это одно изменение, «деньги», а место работы и возраст – совершенно другие измерения. Проблема нейронных сетей в том, что зарплата и ежемесячный платёж являются для них понятиями совершенно разного типа, также как и место работы, что их серьёзно ограничивает.
Обучение NeoNeuro Data Mining похоже на обучение ребёнка. Программа делает схожие 'человеческие' ошибки, что хорошо видно при постепенном обучении программы шахматам.
NeoNeuro Data Mining рекомендуется как для целей обучения, так и для решения сложных задач обработки данных в исследовательских целях.
NeoNeuro Data Mining удобен для обучения студентов по курсам искусственного интеллекта (artificial intelligence) , машинного обучения (machine learning), нейронных сетей (neural nets), численных методов глубокой обработки данных (data mining).
На практике NeoNeuro Data Mining предназначен для решения задач робототехники, благодаря сильной логике и обучения геометрии, а также для анализа неструктурированных данных на темы: медицина, финансы, биология и др.