Data Mining Tutorial for CS for Android APK

Açıklama

Veri madenciliği, makine öğrenimi, istatistik ve veritabanı sistemlerinin kesişimindeki yöntemleri içeren büyük veri kümelerindeki kalıpları keşfetme sürecidir. Veri madenciliği, bir veri setinden bilgi (akıllı yöntemlerle) çıkarmak ve bilgiyi daha sonra kullanılmak üzere anlaşılır bir yapıya dönüştürmek için genel bir amacı olan bilgisayar bilimi ve istatistiğin disiplinler arası bir alt alanıdır. Veri madenciliği, "veritabanlarında bilgi keşfi" sürecinin veya KDD'nin analiz aşamasıdır. Ham analiz adımının yanı sıra, veri tabanı ve veri yönetimi yönleri, veri ön işleme, model ve çıkarım değerlendirmeleri, ilginçlik ölçümleri, karmaşıklık değerlendirmeleri, keşfedilen yapıların sonradan işlenmesi, görselleştirme ve çevrimiçi güncellemeyi de içerir.

"Veri madenciliği" terimi yanlış bir adlandırmadır, çünkü amaç, verilerin kendisinin çıkarılması (madencilik) değil, büyük miktarda veriden kalıpların ve bilginin çıkarılmasıdır. Aynı zamanda bir moda kelimedir ve herhangi bir büyük ölçekli veri veya bilgi işleme biçimine (toplama, çıkarma, depolama, analiz ve istatistik) ve yapay zeka dahil olmak üzere herhangi bir bilgisayar karar destek sistemi uygulamasına (örneğin, makine) sıklıkla uygulanır. öğrenme) ve iş zekası. Veri madenciliği: Java ile pratik makine öğrenimi araçları ve teknikleri (çoğunlukla makine öğrenimi materyalini kapsar) kitabı, başlangıçta yalnızca Pratik makine öğrenimi olarak adlandırılacaktı ve veri madenciliği terimi yalnızca pazarlama nedenleriyle eklendi. Genellikle daha genel terimler (büyük ölçekli) veri analizi ve analitiği veya gerçek yöntemlerden bahsederken yapay zeka ve makine öğrenimi daha uygundur.

Gerçek veri madenciliği görevi, veri kaydı grupları (küme analizi), olağandışı kayıtlar (anomali tespiti) ve bağımlılıklar (ilişkilendirme kuralı madenciliği, sıralı model madenciliği). Bu genellikle uzamsal indeksler gibi veritabanı tekniklerinin kullanılmasını içerir. Bu modeller daha sonra girdi verilerinin bir tür özeti olarak görülebilir ve daha ileri analizlerde veya örneğin makine öğrenimi ve tahmine dayalı analitikte kullanılabilir. Örneğin, veri madenciliği adımı verilerdeki birden fazla grubu tanımlayabilir ve bu daha sonra bir karar destek sistemi tarafından daha doğru tahmin sonuçları elde etmek için kullanılabilir. Ne veri toplama, veri hazırlama, ne de sonuçların yorumlanması ve raporlanması veri madenciliği adımının bir parçası değildir, ancak ek adımlar olarak genel KDD sürecine aittir.

Bir veri ambarı, birden çok heterojen kaynaktan gelen verileri entegre ederek oluşturulur.

Analitik raporlamayı, yapılandırılmış ve/veya geçici sorguları ve karar vermeyi destekler. Bu öğretici, veri ambarının tüm gerekli kavramlarını açıklamak için adım adım bir yaklaşım benimser.

Kategorilerin öğretici koleksiyonları aşağıdadır ve tüm Konu Beğenilerini sağlar,

Veri Ambarı Genel Bakış

Veri Ambarı Kavramları

Veri Ambarı Sistem Süreçleri

Veri Ambarı Mimarisi

Veri Ambarı Terminolojileri

Veri Ambarı Teslim Süreci

Veri Ambarı Çok Boyutlu OLAP

Veri Ambarı Şemaları

Veri Ambarı Testi

Veri Ambarı Geleceğin Yönleri

Veri Ambarı Mülakat Soruları

Veri Ambarı Bölümleme Stratejisi

Veri Ambarı Meta Veri Kavramları

Veri Ambarı Veri Paylaşımı

Veri Ambarı Sistem Yöneticileri

Veri Ambarı Süreç Yöneticileri

Veri Ambarı Güvenliği

Veri Ambarı Ayarlaması

Ve bircok digerleri