دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 2ed.
نویسندگان: Thomas A. Runkler
سری: Lehrbuch
ISBN (شابک) : 3658140747, 3658140755
ناشر: Springer Vieweg
سال نشر: 2016
تعداد صفحات: 158
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Data Analytics: Models and Algorithms for Intelligent Data Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده ها: مدل ها و الگوریتم ها برای تجزیه و تحلیل هوشمند داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مقدمه ای جامع بر روش ها و الگوریتم های تحلیل داده های مدرن است. این یک مبنای ریاضی درست ارائه می دهد، مزایا و معایب رویکردهای مختلف را مورد بحث قرار می دهد، و خواننده را قادر می سازد تا راه حل های تجزیه و تحلیل داده ها را برای برنامه های کاربردی دنیای واقعی طراحی و پیاده سازی کند. این کتاب بیش از ده سال است که در دوره داده کاوی در دانشگاه فنی مونیخ مورد استفاده قرار می گیرد. بیشتر محتوا بر اساس نتایج پروژه های تحقیق و توسعه صنعتی در زیمنس است
This book is a comprehensive introduction to the methods and algorithms of modern data analytics. It provides a sound mathematical basis, discusses advantages and drawbacks of different approaches, and enables the reader to design and implement data analytics solutions for real-world applications. This book has been used for more than ten years in the Data Mining course at the Technical University of Munich. Much of the content is based on the results of industrial research and development projects at Siemens
Front Matter....Pages i-xii
Introduction....Pages 1-3
Data and Relations....Pages 5-22
Data Preprocessing....Pages 23-36
Data Visualization....Pages 37-58
Correlation....Pages 59-65
Regression....Pages 67-83
Forecasting....Pages 85-89
Classification....Pages 91-109
Clustering....Pages 111-132
Back Matter....Pages 133-150