Microsoft Word ÌÀÊÅÒ ÓÂÒÈ 019

1. 
   Gostiunina VA Metodiya vozrastnoy klassifikatsii informatsionnoi produktsii [Axborot mahsulotlarini yosh tasniflash usullari]. Nauka i praktika – 2018: moddiy Vserossiiskoi mezhdistsiplinarnoi nauchnoi konferentsii. Astraxan', Izd-vo AGTU, 2018. 52-bet.
   
2. 
   O zashchite detei ot informatsii, prichiniaiushchei vred ikh zdorov'iu i razvitiiu: Federal'nyi zakon 2010 yil 29 dekabr. № 436-FZ[Bolalarni ularning sog'lig'i va rivojlanishiga zarar etkazuvchi ma'lumotlardan himoya qilish to'g'risida: 2010 yil 29 dekabrdagi № 3-FZ-sonli Federal qonuni. 436-FZ]. Mavjud: https://www.rg.ru/2010/12/31/deti- inform-dok.html (kirish: 01/10/19).
   
3. 
   Gostiunina VA Avtomatizirovannaia tizimi vozrastnoi kategorizatsii informatsionnogo contenta v seti Internet [Internetdagi ma'lumotlar tarkibini yoshga qarab tasniflashning avtomatlashtirilgan tizimi]. Matematika metodikasi va informatsion-texnikaviy M34 sredstva: moddiy XIII Vserossiyskoi ilmiy-amaliy konferentsiya (Krasnodar, 16 iyun 2017 yil). Krasnodar, Krasnodarskiĭ un-t MVD Rossii, 2017. Pp. 70-72.
   
4. 
   Davidiuk NV Razrabotka tizim podderzhki priniatiia reshenii dlia obespecheniia fizicheskoi bezopasnosti ob"ektov. Dis. kand. tekhn. nauk [Ob'yektlarning jismoniy xavfsizligini ta'minlash uchun qaror qabul qilishni qo'llab-quvvatlash tizimini ishlab chiqish. Dis... Fan. texnikasi. fan.]. Astraxan. ', AGTU, 2010. 209 b.
   
5. 
   Baidulova DR, Baitumenov AZ, Gostiunina VA, Davidiuk NV Analiz soderzhatel'nykh indikatorov dlia resheniia zadachi po vozrastnoi klassifikatsii tekstovoi informatsii [Matnli ma'lumotlarning yosh tasnifi muammosini hal qilish uchun mazmunli ko'rsatkichlar tahlili]. Studencheskaia nauka dlia razvitiia informatsionnogo obshchestva: sbornik materialov IX Vserossiiskoi nauchno-tekhnicheskoi konferentsii. Stavropol, Izd-vo SKFU, 2019. 1-qism. Pp. 60-69.
   
6. 
   Bialetskaya E.M., Kviatkovskaya I. Iu. O prinsipax kognitivnogo modelovaniia slozhnykh sistema. Vestnik Astraxanskogo gosudarstvennogo tehnicheskogo universiteta, 2006, №. 1 (30), bet. 116-119.
   
7. 
   Fam Kuang Khiep, Kviatkovskaya I. Iu. Telekommunikatsiya xizmatlari sifatini baholashda ma'lumotlarni intellektual tahlil qilish. Materialy Mezhdunarodnoi nauchnoi konferentsii nauchno-pedagogicheskikh rabotnikov Astraxanskogo gosu- darstvennogo tehnicheskogo universiteta, posviashchennoi 85-letiiu so dnia osnovaniia vuza (59 NPR). Astraxan', Izd-vo AGTU, 2015. Pp. 93-94.
   
8. 
   Zamiatin AV Vvedenie v intellektual'nyi analiz dannykh: uchebnoe posobie [Introduction to Data Mining: Teaching guide]. Tomsk, Izd. dom Gos. un-ta, 2016. S. 120.
   
9. 
   Gostiunina VA, Savel'ev AN Ispol'zovanie texnologii Matn qazib olish dlia klassifikatsii web-resursov po vozrastnym kategoriyasi [Web-resurslarni yosh toifalari bo'yicha tasniflash uchun matn qazib olish texnologiyasidan foydalanish]. Matematik metodika v texnika va texnologiya. Saratov, SGTU im. Gagarina Iu. A., 2017. jild. 3.Pp. 111-115.
   
10. 
    Domingos P. Magistr algoritmi: Quest qandayUltimate Learning Machine bizning dunyomizni qayta tiklaydi. Asosiy kitoblar, 2015. 352 b. (Rus ed.: Domingos P. Verkhovnyi algoritmi: kak mashinnoe obuchenie izmenit nash mir / per. s angl. V. Goroxova; nauch. qizil. A. Sboev, A. Serenko. M.: Mann, Ivanov va Ferber, 2016. S. 336).
    
11. 
    Flach P. Mashinani o'rganish: ma'lumotlarni ma'noga keltiradigan algoritmlar san'ati va ilmi. Kembrij universiteti nashriyoti, 2012. 409 b. (Rus nashri: Flakh P. Mashinnoe obuchenie. Nauka i iskusstvo postroeniia algoritmov, kotorye izvlekaiut znaniia iz dannykh / per. s angl. AA Slinkina. M.: DMK Press, 2015. S. 400).
    

Maqola tahririyatga 15.01.2019 da yuborilgan