Экосистемы больших данных в data science строить планы: I. Введение II. Основная часть

Заключение
Таким образом, количество направлений потенциального применения Data science и больших данных в правовой сфере и, в частности, в едином информационном пространстве судебной системы, достаточно велико.
Следует заметить, что описанный процесс data science не обязательно имеет линейный характер, и последовательное продвижение от начального этапа к конечному встречается редко. Такой подход годится не для всех типов проектов и не является единственно возможным. На практике часто приходится возвращаться назад, к предыдущим этапам, для внесения определенных изменений и пересмотра отдельных вопросов, повторять различные этапы. Этим определяется итеративный характер процесса data science.
Представленный процесс data science в наибольшей степени подходит для сложных проектов data science с большим количеством ресурсов. Альтернативой последовательному процессу с итерациями является гибкая (agile) модель проекта. Гибкие методологии также могут быть использованы для реализации проектов data science. Однако на практике в большинстве случаев предпочтение отдается более формальному структурному подходу.
В качестве отдельных прикладных задач, актуальных для правовой сферы, можно выделить следующие: поиск ценной информации при выполнении аналитических разработок; многоаспектный анализ преступности в современных условиях [9]; выявление случаев финансового мошенничества и других видов преступной деятельности; сбор информации об потенциально опасных абонентах сети Интернет телематической сети ГАС РФ «Правосудие»; личностная аналитика (people analytics), изучение неформальных связей; глубокий анализ текстовых документов; противодействие «цифровой преступности» [16] и др. в соответствии с Концепцией формирования и развития единого информационного пространства России и соответствующих государственных информационных ресурсов.
Литература
1. Агеев Ю. Д., Кавин Ю. А., Павловский И. С., Федосеев С. В. Анализ данных. Казань : Бук, 2018. 308 с.
2. Брюс Э., Брюс П. Практическая статистика для специалистов Data Science. СПб. : Изд-во «БХВ-Петербург», 2018. 304 с.
3. Вандер Плас Дж. Python для сложных задач. Наука о данных и машинное обучение. СПб. : Изд-во «Питер», 2018. 576 с.
4. Ващекин А. Н., Ващекина И. В. Информационное право: прикладные задачи и математические методы // Информационное право. 2017. № 3. С. 17-21.
5. Дэви С., Арно М., Мухамед А. Основы data science и Big Data/Python и наука о данных. СПб. : Питер, 2017. 336 с.
6. Ларина Е. С., Овчинский В. С. Искусственный интеллект. Большие данные. Преступность. М. : Изд. дом «Книжный мир», 2018. 416 с.
7. Лесковец Ю., Раджараман А., Ульман Дж. Д. Анализ больших наборов данных. М. : Изд-во «ДМК Пресс»2016. 498 с.
8. Ловцов Д. А. Информационная теория эргасистем: Тезаурус. М. : Наука, 2005. 248 c.
9. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Правовая статистика преступности в современных условиях // Правовая информатика. 2017. № 4. С. 40-48.
10. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Пакеты прикладных программ для многоаспектного анализа судебной статистической информации // Правовая информатика. 2017. № 1. С. 28-36.
11. Ловцов Д. А., Богданова М. В., Паршинцева Л. С. Основы статистики / Под ред. Д. А. Ловцова. М. : РГУП,2017. 160 с.
12. Ловцов Д. А., Ниесов В. А. Системная модернизация «цифрового» судопроизводства в России // Государство и право в новой информационной реальности: Сб. науч. тр. / Отв. ред. Е. В. Алферова, Д. А. Ловцов. М. : ИНИОН РАН, 2018. C. 22-29.
13. Ловцов Д. А., Федичев А. В. Место и роль правовой информатики в системе информационно-правовых знаний // Правовая информатика. 2017. № 1. С. 5-12.
14. Ловцов Д. А., Черных А. М. Модернизация системы судебной статистики на основе новой геоинформационной технологии // Правовая информатика. 2016. № 1. С. 7-14.
15. Марц Н., Уоррен Дж. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. М. : Изд. дом «Вильямс», 2018. 368 с.
16. 16. Русскевич Е. А. Уголовное право и «цифровая преступность»: проблемы и решения. М. : ИНФРА-М, 2018. 227 с.
17. Федосеев С. В., Беркетов Г.А., Микрюков А.А. Подходы к проектированию программного комплекса как к интеллектуальной системе // Труды XII Меж-дунар. науч.-прак. конф. «Инновации на основе информационных коммуникационных технологий» (1-10 октября 2015 г.) / ВШЭ. Сочи: МИЭМ, 2015. С. 248-250.
18. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М. : Изд-во «ДМК Пресс», 2015. 400 с.
19. Чаллавала Ш., Лакхатария Д., Мехта Ч., Патель К. MySQL 8 для больших данных. М. : Изд-во «ДМК Пресс», 2018. 226 с.