دانلود کتاب Data Mining and Data Warehousing: Principles and Practical Techniques
کتاب داده کاوی و ذخیره سازی داده ها: اصول و تکنیک های عملی نسخه زبان اصلی
دانلود کتاب داده کاوی و ذخیره سازی داده ها: اصول و تکنیک های عملی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Data Mining and Data Warehousing: Principles and Practical Techniques
نام کتاب : Data Mining and Data Warehousing: Principles and Practical Techniques
عنوان ترجمه شده به فارسی : داده کاوی و ذخیره سازی داده ها: اصول و تکنیک های عملی
سری :
نویسندگان : Parteek Bhatia
ناشر : Cambridge University Press
سال نشر : 2019
تعداد صفحات : 513
ISBN (شابک) : 1108727743 , 9781108727747
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 38 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب درسی ارزشمند که به زبان شفاف نوشته شده است ، مفاهیم اساسی در مورد داده کاوی و انبارداری داده ها را در یک جلد واحد جمع می کند. مباحث مهم از جمله تئوری اطلاعات ، درخت تصمیم گیری ، طبقه بندی کننده ساده لوح ، معیارهای از راه دور ، خوشه بندی پارتیشن بندی ، معدنکاری ، مارت های داده و فروشگاه داده عملیاتی به طور جامع مورد بحث قرار می گیرد. این کتاب درسی برای تأمین نیازهای دانشجویان مقطع کارشناسی ارشد علوم کامپیوتر ، مهندسی و فناوری اطلاعات برای یک دوره در مورد داده های کاوی و انبارداری داده ها نوشته شده است. متن درک مفاهیم را از طریق تمرینات و نمونه های عملی ساده می کند. فصل هایی مانند طبقه بندی ، معدنکار و تجزیه و تحلیل خوشه ای با اجرای عملی آنها با استفاده از ابزارهای داده کاوی Weka و R زبان به تفصیل مورد بحث قرار گرفته است. مباحث پیشرفته از جمله تجزیه و تحلیل داده های بزرگ ، مدل های داده رابطه ای و NOSQL به تفصیل مورد بحث قرار گرفته است. ویژگی های آموزشی از جمله مشکلات حل نشده و سوالات چند گزینه ای برای درک بهتر در کل کتاب در هم می پیوندند.
فهرست مطالب :
Cover
Front Matter
Data Mining and Data
Warehousing: Principles and Practical Techniques
Copyright
Dedication
Contents
Figures
Tables
Preface
Acknowledgments
1 Beginning with
Machine Learning
2 Introduction to Data Mining
3 Beginning with
Weka and R Language
4 Data Preprocessing
5 Classification
6 Implementing
Classification in Weka and R
7 Cluster Analysis
8 Implementing
Clustering with Weka and R
9 Association Mining
10 Implementing Association
Mining with Weka and R
11 Web Mining
and Search Engines
12 Data Warehouse
13 Data Warehouse Schema
14 Online Analytical Processing
15 Big Data and NoSQL
Index
Colour Plates
توضیحاتی در مورد کتاب به زبان اصلی :
Written in lucid language, this valuable textbook brings together fundamental concepts of data mining and data warehousing in a single volume. Important topics including information theory, decision tree, Naïve Bayes classifier, distance metrics, partitioning clustering, associate mining, data marts and operational data store are discussed comprehensively. The textbook is written to cater to the needs of undergraduate students of computer science, engineering and information technology for a course on data mining and data warehousing. The text simplifies the understanding of the concepts through exercises and practical examples. Chapters such as classification, associate mining and cluster analysis are discussed in detail with their practical implementation using Weka and R language data mining tools. Advanced topics including big data analytics, relational data models and NoSQL are discussed in detail. Pedagogical features including unsolved problems and multiple-choice questions are interspersed throughout the book for better understanding.
پست ها تصادفی