Data Mining Tutorial for CS for Android APK

Təsvir

Data mining maşın öyrənməsi, statistika və verilənlər bazası sistemlərinin kəsişməsində metodları əhatə edən böyük məlumat dəstlərində nümunələrin aşkar edilməsi prosesidir. Data mining, məlumat toplusundan məlumatı (ağıllı üsullarla) çıxarmaq və məlumatı sonrakı istifadə üçün başa düşülən struktura çevirmək üçün ümumi məqsədi olan kompüter elmləri və statistikanın fənlərarası alt sahəsidir. Data mining "verilənlər bazasında bilik kəşfi" prosesinin və ya KDD-nin təhlil mərhələsidir. Xam təhlil mərhələsi ilə yanaşı, o, həmçinin verilənlər bazası və məlumatların idarə edilməsi aspektlərini, verilənlərin əvvəlcədən işlənməsini, model və nəticə çıxarma mülahizələrini, maraqlılıq ölçülərini, mürəkkəblik mülahizələrini, aşkar edilmiş strukturların sonrakı emalını, vizuallaşdırmanı və onlayn yeniləməni əhatə edir.

"Məlumatların çıxarılması" termini yanlış addır, çünki məqsəd məlumatların özünün çıxarılması (mədəni) deyil, böyük həcmli məlumatlardan nümunələrin və biliklərin çıxarılmasıdır. O, həm də geniş miqyaslı məlumatların və ya məlumatların emalının (toplanması, çıxarılması, saxlanması, təhlili və statistikası), eləcə də süni intellekt (məsələn, maşın) daxil olmaqla kompüter qərarlarına dəstək sisteminin hər hansı bir tətbiqinə tez-tez tətbiq olunur. öyrənmə) və biznes kəşfiyyatı. Data Mining: Java ilə praktiki maşın öyrənmə alətləri və üsulları (əsasən maşın öyrənmə materialını əhatə edir) kitabı əvvəlcə sadəcə Praktiki maşın öyrənməsi adlandırılmalı idi və məlumatların öyrənilməsi termini yalnız marketinq məqsədləri üçün əlavə edildi. Çox vaxt daha ümumi terminlər (böyük miqyaslı) məlumatların təhlili və analitikası və ya faktiki metodlara istinad edərkən, süni intellekt və maşın öyrənməsi daha uyğundur.

Faktiki data mining tapşırığı, əvvəllər məlum olmayan, məlumat qeydləri qrupları (klaster təhlili), qeyri-adi qeydlər (anomaliyanın aşkarlanması) və asılılıqlar (assosiasiya qaydalarının öyrənilməsi, ardıcıl nümunə mədən). Bu, adətən məkan indeksləri kimi verilənlər bazası üsullarından istifadəni nəzərdə tutur. Bu nümunələr daha sonra giriş məlumatlarının bir növ xülasəsi kimi görünə bilər və sonrakı təhlillərdə və ya məsələn, maşın öyrənməsində və proqnozlaşdırıcı analitikada istifadə edilə bilər. Məsələn, verilənlərin öyrənilməsi addımı verilənlərdə çoxlu qrupları müəyyən edə bilər, daha sonra qərara dəstək sistemi tərəfindən daha dəqiq proqnoz nəticələri əldə etmək üçün istifadə edilə bilər. Nə məlumatların toplanması, məlumatların hazırlanması, nə də nəticələrin təfsiri və hesabatı məlumatların çıxarılması mərhələsinin bir hissəsi deyil, əlavə addımlar kimi ümumi KDD prosesinə aiddir.

Məlumat anbarı çoxlu heterojen mənbələrdən alınan məlumatları birləşdirərək qurulur.

O, analitik hesabatları, strukturlaşdırılmış və/yaxud xüsusi sorğuları və qərar qəbulunu dəstəkləyir. Bu dərslik məlumat anbarının bütün zəruri konsepsiyalarını izah etmək üçün addım-addım yanaşmanı qəbul edir.

Kateqoriyaların təlimat kolleksiyaları aşağıdadır və bütün Mövzuları Bəyəndirir,

Məlumat Anbarına Baxış

Məlumat Anbarı Konseptləri

Məlumat Anbarı Sistemi Prosesləri

Məlumat Anbarı Memarlığı

Məlumat Anbarı Terminologiyaları

Məlumat Anbarının Çatdırılma Prosesi

Məlumat Anbarı Çoxölçülü OLAP

Məlumat Anbarı Sxemləri

Məlumat Anbarı Testi

Məlumat Anbarının Gələcək Aspektləri

Məlumat Anbarı Müsahibə Sualları

Məlumat Anbarının Bölmə Strategiyası

Məlumat Anbarı Metaməlumat Konseptləri

Data Warehouse Data Marting

Məlumat Anbarı Sistem Menecerləri

Məlumat Anbarı Proses Menecerləri

Məlumat Anbarının Təhlükəsizliyi

Məlumat anbarının tənzimlənməsi

və bir çox başqaları