@@ -1,9 +1,5 @@
 - Data Mining
 
-%EQ
- a over b
-%EN
-
 Интеллектуальный анализ данных, глубинный анализ данных, до́быча данных.
 
 Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.
@@ -16,7 +12,7 @@
 
 	* Data Mining — это не статистика, параметрическая или непараметрическая, сколь бы изощренной она не была. В этом смысле, к Data Mining'у не относятся ни описательная статистика, ни обобщенный метод моментов, ни модели множественного выбора, ни анализ временных рядов методом автокорреляции и распределенного лага (ADL), ни анализ ссылок (связей). Хотя во всех вышеприведенных случаях могут использоваться элементы Data Mining'а: решение задачи классификации и группировки переменных до применения непосредственно математико-статистических методов, кластеризация для корректного применения.
 	* Data Mining — это не применение программирования к статистике. Прежде всего потому что, любая исследовательская задача, оперирующая количественными данными, по определению должна решаться с использованием того или иного программного средства (от VBA до UNIX Stat). Если кто-то говорит о себе как о статистике и при этом щелкает по меню Excel'я, то бейте его руками, ногами и арматурой, гоните в шею, режьте на ломти: это не аналитик, а продукт пищеварения высших млекопитающих. Во-вторых, применение тех или иных программных продуктов не является залогом того, что исследование проводится в русле Data Mining. Можно NoSQL с Julia решать не-Data-Mining-задачи, а можно в R с подключенным SQL-модулем реализовывать Data Mining.
-	* Data Mining — это не задачи для Big Data. Задачи Big Data могут решаться и не-Data-Mining методами (например $NP$-полные задачи оптимизации). А в не-Big-Data вполне могут использоваться и Data-Mining-методы. Однако, нужно отметить, что в большинстве случаем Data Mining является наиболее подходящим (наименее не подходящим) инструментом работы с Big Data.
+	* Data Mining — это не задачи для Big Data. Задачи Big Data могут решаться и не-Data-Mining методами (например $$NP$$-полные задачи оптимизации). А в не-Big-Data вполне могут использоваться и Data-Mining-методы. Однако, нужно отметить, что в большинстве случаем Data Mining является наиболее подходящим (наименее не подходящим) инструментом работы с Big Data.
 
 Резюме: Data Mining — это когда мы не знаем, что ищем, но предполагаем, что что-то найти можно.