Перевод учебной программы с рус. на англ.

Здравствуйте!

Нужен грамотный перевод учебной программы с русск. на англ. яз.

Объем - около 18 тыс. знаков без пробелов, есть несложные таблицы.

Текст посвящен анализу данных, Data Mining.

Пример для оценки тематики:

---

Дисциплина „Интеллектуальный анализ данных” является базовой в обучении специалистов по информационной инженерии (инженерия знаний), исследователей сложных технических, эко-номических, социальных систем (в том числе, адаптивных, оптимальных, самоорганизующихся), при подготовке специалистов и магистров по специальностям ...

Основная часть текста состоит из вопросов такого рода

42. Архитектура нейронных сетей. Синхронные и асинхронные сети. Слоистые нейронные се-ти. Однослойная и многослойная сеть. Полносвязные нейронные сети.

43. Модели нейронных сетей. Понятие персептрона. Обучение нейронных сетей

44. Классификация нейронных сетей по направленности связей. Другая классификация ней-ронных сетей: сети прямого распространения и рекуррентные сети.

45. Управляемое и неуправляемое обучение сетей. Подготовка данных для обучения

46. Задачи, решаемые при помощи карт Кохонена. Обучение сети Кохонена. Программные ин-струменты, включающие реализацию метода карт Кохонена

47. Кластерный анализ – возможности применения, основные свойства. Задачи и процедуры кластерного анализа. Основная проблема кластерного анализа и её решеие.

48. Предварительная стандартизация переменных. Способы нормирования исходных данных

49. Методы кластерного анализа. Иерархические методы кластерного анализа: агломератив-ные и дивизимные методы.

50. Неиерархические методы - итеративные методы дробления исходной совокупности. Алго-ритм k-средних. Описание алгоритма. Проверка качества кластеризации алгоритма k-средних.

51. Процесс кластерного анализа. Рекомендуемые этапы. Возможные сложности и проблемы.

52. Сравнительный анализ иерархических и неиерархических методов кластеризации.

53. Приложения с применением ассоциативных правил: понятия и терминология, характери-стики, границы поддержки и достоверности, методы поиска ассоциативных правил.

54. Способы визуального или графического представления данных. Визуализация инструмен-тов Data Mining. Представление данных в 1-м, 2-х, 3-х и 4-х+ измерениях

55. Процесс Data Mining - неотъемлемая часть системы поддержки принятия решений (СППР). Концепции определения СППР.

56. Деление (классификация) проблем на слабоструктурированные, неструктурированные и структурированные. Классическая структура СППР. Функции, выполняемые каждой со-ставляющей.

57. Состав общей схемы поддержки принятия решений: OLAP-системы; OLAP-продукты. Ар-хитектуры OLAP-серверов. Классификация OLAP-систем по месту размещения OLAP-машины.

58. Хранилища данных (по Биллу Инмону). Преимущества использования хранилищ данных

59. Сравнительные характеристики различных моделей управления данными (реляционные СУБД OLTP, реляционные СУБД СППР/Хранилища данных, многомерные СУБД OLAP).

60. Традиционный процесс Data Mining. Этапы процесса. Качество данных (Data quality). Очи-стка данных.

---

Срок - до вторника весь объем должен быть готов.