Рекомендована література

1. Актуальні проблеми системного аналізу та моделювання процесів управління / За ред. В. Пономаренка, Л. Гур’янової, Я. Пеліової, Е. Ніжинського. – Братислава-Харків : ВШЕМ – ХНЕУ ім. С. Кузнеця, 2023. – 409 с.
2. Бахрушин В. Є. Методи аналізу даних : навч. посіб. для студентів / В. Є. Бахрушин. – Запоріжжя : КПУ, 2011. – 268 с.
3. Бізнес-аналітика багатовимірних процесів [Електронний ресурс] : навч. посіб. / Т. С. Клебанова, Л. С. Гур’янова, Л. О. Чаговець [та ін.] ; Харківський національний економічний університет ім. С. Кузнеця. - Електрон. текстові дан. (6,61 МБ). - Харків : ХНЕУ ім. С. Кузнеця, 2018. – 271 с.
4. Болюбаш Н. М. Інтелектуальний аналіз даних : навч. посіб. / Н. М. Болюбаш. – Миколаїв : Вид-во ЧНУ ім. Петра Могили, 2023. – 320 с.
5. Голіков А. П. Економіко-математичне моделювання світо-господарських процесів / А. П. Голіков. – Київ : Знання, 2009. – 222 с.
6. Гладун А. Я. Data Mining: пошук знань в даних / А. Я. Гладун, Ю. В. Рогушина. Київ : ТОВ «ВД «АДЕФ- Україна», 2016. – 452 с.
7. Економетрика. Навчальний посібник / Гур’янова Л. С., Клебанова Т. С., Сергієнко О. А., Прокопович С. В. – Харків: Вид. ХНЕУ ім. С. Кузнеця, 2015. – 389 с.
8. Єгоршин О. О. Методи багатовимірного статистичного аналізу: навч. посібн. / О. О. Єгоршин, А. М. Зосімов, В. С. Пономаренко. – Київ : ІЗМН, 1998. – 208 с.
9. Інтелектуальний аналіз даних та машинне навчання. Частина 1. Базові методи та засоби аналізу даних / Я. В. Іванчук, В. І. Месюра, А. А. Яровий, О. Д. Манжілевський – Вінниця : ВНТУ, 2021. – 69 с.
10. Кононова К. Ю. Машинне навчання: методи та моделі: підручник для бакалаврів, магістрів та докторів філософії спеціальності 051 «Економіка» / К. Ю. Кононова. – Харків: ХНУ імені В. Н. Каразіна, 2020. – 301 с.
11. Клебанова Т. С. Механізм та моделі управління кризовими ситуаціями на підприємствах житлово-комунального комплексу / Т. С. Клебанова, М. О. Кизим, Ю. І. Мізік. – Харків : ВД «ІНЖЕК», 2011. – 178 с.
12. Клебанова Т. С. Нечітка логіка та нейронні мережі в управлінні підприємством / Т. С. Клебанова, Л. О. Чаговець, О. В. Панасенко. – Харків : ВД «ІНЖЕК», 2011. – 239 с.
13. Куліков П. М. Економіко-математичне моделювання фінансового стану підприємства / П. М. Куліков. – Харків : ІНЖЕК, 2009. – 151 с.
14. Ланде Д. В. Основи теорії і практики інтелектуального аналізу даних у сфері кібербезпеки: навчальний посібник / Д. В. Ланде, І. Ю. Субач, Ю. Є. Бояринова. – К.: ІСЗЗІ КПІ ім. Ігоря Сікорського», 2018. – 300 с.
15. Литвин В. В. Аналіз данних і знань: навчальний посібник / В. В. Литвин, В. В. Пасічник, Ю. В. Нікольський. – Львів : Магнолія 2006, 2019. – 276 с.
16. Математичні методи в сучасних економічних дослідженнях / Л. М. Малярець, О. Г. Тижненко, О. О. Єгоршин та ін.; за ред. Малярець Л. М. – Харків : Вид. ХНЕУ, 2011. – 270 c.
17. Математичні методи і моделі ринкової економіки / Т. С. Клебанова, М. О. Кизим, О. І. Черняк та ін.; за ред. Клебанової Т. С. – Харків : ВД «ІНЖЕК», 2010. – 454 с.
18. Машинне навчання: Навчальний посібник призначений для студентів, що навчаються за першим (бакалаврським) рівнем вищої освіти за спеціальностями галузі знань 12 «Інформаційні технології» / за ред. д. т. н., професора, В. В. Пасічника. – Львів: «Новий Світ – 2000», 2024. – 330 с.
19. Моделі і методи соціально-економічного прогнозування : підручник / В. М. Геєць, Т. С. Клебанова, О. І. Черняк та ін.; за ред. Гейця В. М. – Харків: ВД “ІНЖЕК”, 2005. – 396 с.
20. Моделювання системних характеристик в економіці / О. М. Сінчук, Т. М. Берідзе, В. В. Кононенко та ін.;. за ред. Сінчук О. М. – Кременчук : ПП Щербатих О. В., 2009. – 211 с.
21. Методологія та організація наукових досліджень: навчальний посібник / укладачі: Н. В. Рашкевич, Ю. А. Отрош. – Харків: НУЦЗ України, 2022. – 291 с.
22. Основи статистичного моделювання: навч. посібник / за заг. ред. С. В. Чугаєвської, Н. В. Ковтун. Житомир: ПП «Рута», 2022. – 604 с.
23. Практикум з навчальної дисципліни «Багатовимірний статистичний аналіз» для студ. спец. «Прикладна економіка» ден. форми навч. / Т. С. Клебанова, Л. С. Гур’янова, О. А. Сергієнко. – Харків : ХНЕУ, 2011. – 74 с.
24. Ситник В. Ф., Краснюк М. Т. Інтелектуальний аналіз даних (дейтамайнінг): навч. посіб. – Київ : КНЕУ, 2007. – 376 с.
25. Фостер Провост, Том Фоусет. Data Science для бізнесу. Як збирати, аналізувати і використовувати дані. – Київ: Наш Формат, 2019. – 400 c.
26. Яровий А. Т., Страхов Є. М. Багатовимірний статистичний аналіз : навчально-методичний посібник для студентів математичних та економічних фахів. – Одеса : Астропринт, 2015. – 132 с.
27. Годун В. М. Інформаційні системи і технології в статистиці / В. М. Годун, Н. С. Орленко, М. А. Сендзюк. [Електронний ресурс] .– Режим доступу : http://library.if.ua/book/80/5668.html.
28. Головне управління статистики в Харківській області [Електронний ресурс]. – Режим доступу : http://www.kh.ukrstat.gov.ua.
29. Державна служба статистики України. [Електронний ресурс]. – Режим доступу : http://www.ukrstat.gov.ua.
30. Економіко-математичні методи аналізу господарської діяльності [Електронний ресурс]. – Режим доступу : http://www.unicyb.kiev.ua/ Library/ TEA/3%5B1%5D.pdf.
31. Міністерство Економіки України [Електронний ресурс]. – Режим доступу : http://www.me.gov.ua.
32. Міністерство Фінансів України [Електронний ресурс]. – Режим доступу : http://www.minfin.gov.ua.
33. Cайт Державної податкової адміністрації України. – Режим доступу : http://www.sta.gov.ua.
34. Практичний досвід інформаційно-аналітичної підтримки процедур розробки і прийняття управлінських рішень [Електронний ресурс]. – Режим доступу : http://www.ecsor.com.ua/files/conf_report_2_ukr.pdf.
35. Прикладна економетрика [Електронний ресурс] : навч. посіб. у 2-х ч. Ч. 1 / Л. С. Гур’янова, Т. С. Клебанова, С. В. Прокопович [та ін.] ; Харківський національний економічний університет ім. С. Кузнеця. – Електрон. текстові дан. (1,69 МБ). – Х. : ХНЕУ ім. С. Кузнеця, 2016. – 248 с. – Режим доступу : http://www.repository.hneu.edu.ua/handle/123456789/19846.
36. Прикладна економетрика [Електронний ресурс] : навч. посіб. у 2-х ч. Ч. 2 / Л. С. Гур’янова, Т. С. Клебанова, С. В. Прокопович [та ін.] ; Харківський національний економічний університет ім. С. Кузнеця. – Електрон. текстові дан. (28,9 МБ). – Х. : ХНЕУ ім. С. Кузнеця, 2016. – 271 с. – Режим доступу : http://www.repository.hneu.edu.ua/handle/123456789/19842.
37. Національний банк України. – Режим доступу : http://www.bank.gov.ua.
38. Відділ статистики Організації об’єднаних націй. [Електронний ресурс]. – Режим доступу : https://unstats.un.org/home.
39. Статистичний відділ Продовольчої та сільськогосподарської організації Об’єднаних націй (ФАО). [Електронний ресурс]. – Режим доступу : http://www.fao.org/economic/ess/en.
40. Всесвітній банк. [Електронний ресурс]. – Режим доступу : http://www.worldbank.org.
41. Євростат. [Електронний ресурс]. – Режим доступу : https://ec.europa.eu/eurostat.
42. Azzalini A., Bruno S. Data Analysis and Data Mining. An Introduction. New York: Oxford University Press, 2012. – 289 p.
43. Birch M. W. A new proof of the Pearson–Fisher theorem / M. W. Birch // Ann. Math. Statist. – 1964. – V. 35. – Р. 817.
44. Brasil J. Before Machine Learning. Volume 1 – Linear Algebra for A.I: The fundamental mathematics for Data Science and Artificial Inteligence. 2023. – 162 p.
45. Brasil J. Before Machine Learning. Volume 2 – Calculus for A.I: The fundamental mathematics for Data Science and Artificial Intelligence, 2023. – 325 p.
46. Christopher J., Burges C. Dimension Reduction: A Guided Tour (Foundations and Trends® in Machine Learning) : Now Publishers, 2010. – 106 p.
47. Bouveyron C., Gilles Celeux, Brendan Murphy T., Adrian E. Raftery. Model-Based Clustering and Classification for Data Science: With Applications in R. Cambridge: Cambridge University Press, 2019. – 446 p.
48. Chagovets L., Chahovets V., Chernova N. Machine Learning Methods Applications for Estimating Unevenness Level of Regional Development. Data Centric Business and Applications. Evolvements in Business Information Processing and Management. (Volume 3) : Springer, Cham, 2020. – Pp. 115-139.
49. Spiegelhalter D. The Art of Statistics: How to Learn from Data : Basic Books, 2021. – 448 р.
50. Eisenberger J., Posner E.C. Systematic statistics used for data compression in space telemetry. / J. Amer. Statist. Ass. 60, 1965. – Рр. 97–133.
51. Gupta S. S., Gnanadesikan M. Estimation of the parameters of the logistic distribution. Biometrika, 53, 1966. – Pр. 565–570.
52. Hampel F. R. The influence curve and its role in robust estimation / J. Amer. Statist. Ass // F. R. Hampel, 1974. – V. 69. – №346. – Pр. 383–393.
53. Huber Peter J., and Elvezio Ronchetti. Robust Statistics. 2nd ed. Wiley Series in Probability and Statistics. – Hoboken, N.J: Wiley, 2009. – 384 p.
54. Leonard Apeltsin. Data Science Bookcamp: Manning Publications, 2022. – 600 p.
55. Llaudet E., Kosuke Imai. Data Analysis for Social Science: A Friendly and Practical Introduction: Princeton University Press, 2022. – 256 p.
56. Ogawa J. Contributions to the theory of systematic statistics. I. Osaka Math. J. 3, 1951. – Pр. 175–213.
57. O’Neil Cathy. Doing Data Science: O’reilly Media, 2015. – 408 p.
58. Bruce Р., Bruce А., Gedeck Р. Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition: O’Reilly Media, 2020. – 368 p.
59. Rand R. Wilcox A Guide to Robust Statistical Methods: Springer Cham 2023. – 326 p.
60. Scitovski R., Sabo K., Martínez-Álvarez F., Šime Ungar. Cluster Analysis and Applications: Springer Cham, 2021. – 271 p.
61. Robust Statistics: Theory and Methods (with R) Eds: Ricardo A. Maronna, R Douglas Martin, Victor J. Yohai, Matías Salibián-Barrera. – New York : John Wiley & Sons Ltd, 2019. – 430 p.
62. Saleh A. K. M. J., Ali M. M. Asymptotic optimum quantiles for the estimation of the parameters of the negative exponential distribution. Ann. Math. : Statist. 37, 1966. – Pр. 143–151.
63. Stephane T. Data Mining and Statistics for Decision Making. – New York : John Wiley & Sons, 2011. – 704 p.
64. Philip D. Waggoner Modern Dimension Reduction (Elements in Quantitative and Computational Methods for the Social Sciences) Cambridge: University Press 2021. – 98 p.
65. Pyle D. Business modeling and data mining. Burlington : Morgan Kaufmann Publishers, 2003. – 650 p.
66. Vermeulen Andreas François. Practical Data Science: Apress L.P., 2018. – 805 p.
67. Toth Z., Vesela B., Wazir R., Zauner G., Weidinger W., Munro K., Ortner B., Cadonna A., Langs G., Licandro R., Meir-Huber M., Nikolic D. Data Science: Handbook Hanser Publications. 2022. – 574 p.
68. Friedman H.S., Swaminathan A. Winning with Data Science: A Handbook for Business Leaders. – Columbia : Columbia Business School Publishing, 2024. – 272 p.
69. Winton Clem. Data Analysis And Data Science: Unlock Insights and Drive Innovation with Advanced Analytical Techniques: Winton Clem, 2024. – 87 p.
70. Prokopovych S., Chagovets L., Gvozdytskyi V., Klebanova T., Zavodenko T. Classification Models in the Monitoring Systems of the Population Life Quality. // Proceedings of the Workshop on the XII International Scientific Practical Conference Modern problems of social and economic systems modelling (MPSESM-W 2021), Kharkiv, Ukraine, April 9, 2021, CEUR-WS.org. – Pp. 137–155.– [Electronicresource]. – Access mode : http://ceur-ws.org/Vol-2927/paper11.pdf.
71. Guryanova L., Bogachkova L., Poluektova N., Zyma O., Gvozdytskyi V., Novosel M. Models of estimation and analysis of a systemic risk in the banking sector // IEEE System Analysis & Intelligent Computing (SAIC-2020), Kyiv, Ukraine, 2020. – [Electronic resource]. – Access mode : https://ieeexplore.ieee.org/document/9239193.
72. Guryanova L., Panasenko O., Gvozditskyi V., Ugryumov M., Strilets V., Chernysh S. Methods and Models of Machine Learningin Managing the MarketValue of the Company //Machine Learning Methods and Models, Predictive Analytics and Applications, (MPSESM-W 2021), Guryanova L., Yatsenko R., Dubrovina N., Babenko V., (Eds.), p. 52-65.– [Electronic resource]. – Access mode : http://ceur-ws.org/Vol-2927/paper5.pdf.
73. Guryanova L., Yatsenko R., Dubrovina N., Babenko V., Gvozditskyi V. Machine Learning Methods and Models, Predictive Analytics and Applications: Development Trends in the Post-crisis Syndrome Causedby COVID-19 //Machine Learning Methods and Models, Predictive Analytics and Applications, (MPSESM-W 2021), 2021, p. 1-7. – [Electronic resource]. – Access mode : http://ceur-15ws.org/Vol-2927/paper1.pdf.
74. Zyma O., Guryanova L., Gavkalova N., Chernova N., Nekrasova O. The Application of Machine Learning Methodsin Determining Attractive Development Directions for Tourism Businesses // Intellectual Economics, 2022 , No 16(1), p. 151-165. – [Electronic resource]. – Access mode: https://journals.mruni.eu/index.php/ie/article/view/72/32.
75. Klebanova T., Rudachenko O., Gvozdytskyi V., Mozgovyi I., Guryanova L. Classification Of Regions Of Ukraine By The Level Of Social Tension // WSEAS Transactionson Systems and Control, Volume 15,2020, pp.576-584 – [Electronic resource]. – Access mode : https://doi.org/10.37394/23203.2020.15.57.
76. Volodymyr V. Donets, Viktoriia Y. Strilets, Mykhaylo L. Ugryumov, Dmytro O. Shevchenko, Liubov O. Chagovet s, Svitlana V. Prokopovych. Methodology оf The Countries’ Economic Development Data Analysis // System research & information technologies № 4, 2023, Pp. 21-36.– [Electronic resource]. – Access mode : http://journal.iasa.kpi.ua/article/view/297208/290123.