Искусственный интеллект и математическая статистика в криминалистическом изучении преступлений

Введение
Глава 1. Общие положения криминалистического
изучения преступлений
1.1. Немного теории
1.2. Этапы криминалистического изучения
преступлений
1.3. Определение объёма подлежащего изучению
эмпирического материала
1.4. Изучение и фиксация эмпирических данных
1.5. Подготовка результатов изучения
преступлений к анализу и их предварительная
обработка
1.6. Особенности работы с данными о времени
1.7. Работа с адресами, географическими
координатами и расстояниями
Глава 2. Разведочный анализ данных о
преступлениях
2.1. Понятие разведочного анализа и описательная
статистика
2.2. Определение закона распределения
2.3. Проверка данных на равномерность разброса
2.4. Идентификация выбросов
2.5. Выявление пропущенных наблюдений
(переменных) и избытка нулей
2.6. Оценка статистической независимости данных
Глава 3. Кластеризация данных о преступлениях
3.1. Общие положения
3.2. Кластеризация в excel и gephi
3.3. Кластеризация в r
Глава 4. Корреляционный и дисперсионный анализ
4.1. Корреляционный анализ
4.2. Дисперсионный анализ
Глава 5. Регрессионный анализ
5.1. Общие положения регрессионного анализа
и его осуществление в excel
5.2. Регрессионный анализ в r
Глава 6. Методы машинного обучения
6.1. Общие положения. Логистическая регрессия
6.2. Регрессия опорных векторов
6.3. Обобщённые аддитивные модели для оценок
параметров, масштаба и формы распределения
6.4. Нейронные сети
6.5. Глубокое обучение
Список литературы
Предметный указатель
Приложения