Медицина. 
Программная инженерия и технологии программирования сложных систем

Известно много экспертных систем для постановки медицинских диагнозов. Они построены главным образом на основе правил, описывающих сочетания различных симптомов разных заболеваний. С помощью таких правил узнают не только, чем болен пациент, но и как нужно его лечить. Правила помогают выбирать средства медикаментозного воздействия, определять показания и противопоказания, ориентироваться в лечебных процедурах, создавать условия наиболее эффективного лечения, предсказывать исходы назначенного курса лечения и т. п. Технологии Data Mining позволяют обнаруживать в медицинских данных шаблоны, составляющие основу указанных правил.

Молекулярная генетика и генная инженерия

Задача обнаружения закономерностей в экспериментальных данных стоит остро в молекулярной генетике и генной инженерии. Здесь она формулируется как определение так называемых маркеров, под которыми понимают генетические коды, контролирующие те или иные фенотипические признаки живого организма. Такие коды могут содержать сотни, тысячи и более связанных элементов. На развитие генетических исследований выделяются большие средства. В последнее время в данной области возник особый интерес к применению методов Data Mining.

Прикладная химия

Методы Data Mining находят широкое применение в прикладной химии (органической и неорганической). Здесь нередко возникает вопрос о выяснении особенностей химического строения тех или иных соединений, определяющих их свойства. Особенно актуальна такая задача при анализе сложных химических соединений, описание которых включает сотни и тысячи структурных элементов и связей.

Можно привести еще много примеров различных областей знания, где методы Data Mining играют ведущую роль. Особенность этих областей заключается в их сложной системной организации. Они относятся главным образом к такому уровню организации систем, закономерности которого не могут быть достаточно точно описаны на языке статистических или иных аналитических математических моделей. Данные в указанных областях неоднородны, гетерогенны и часто отличаются высокой размерностью.

Контрольные вопросы и задания

• 1. Дайте определение методу анализа иерархий.
• 2. Дайте определение понятия байесовских сетей.
• 3. В чем смысл иерархических моделей качества?
• 4. Определите модели представления знаний.
• 5. Что такое продукционные системы?
• 6. Определите логические модели.
• 7. Определите фреймы.
• 8. Определите семантические сети.
• 9. Когда используется многомерный анализ данных?
• 10. Назовите инструменты добывания знаний.

И. Определите методы извлечения знаний.

• 12. Определите методы машинного обучения.
• 13. В каких областях применяются технологии Mining?