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:
نویسندگان: Parteek Bhatia
سری:
ISBN (شابک) : 1108727743, 9781108727747
ناشر: Cambridge University Press
سال نشر: 2019
تعداد صفحات: 513
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 38 مگابایت
در صورت تبدیل فایل کتاب Data Mining and Data Warehousing: Principles and Practical Techniques 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 داده کاوی و ذخیره سازی داده ها: اصول و فنون عملی 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 درسی ارزشمند که به زبانی شفاف نوشته شده است، مفاهیم اساسی داده کاوی و انبار داده را در یک جلد گرد هم آورده است. موضوعات مهمی از جمله تئوری اطلاعات، درخت تصمیم، طبقهبندی کننده ساده بیز، معیارهای فاصله، خوشهبندی پارتیشن بندی، کاوی وابسته، مارتهای داده و ذخیره دادههای عملیاتی به طور جامع مورد بحث قرار گرفتهاند. کتاب درسی برای پاسخگویی به نیازهای دانشجویان کارشناسی علوم کامپیوتر، مهندسی و فناوری اطلاعات برای دوره ای در مورد داده کاوی و ذخیره سازی داده نوشته شده است. متن از طریق تمرین ها و مثال های عملی درک مفاهیم را ساده می کند. فصلهایی مانند طبقهبندی، کاوی وابسته و تجزیه و تحلیل خوشهای با اجرای عملی آنها با استفاده از ابزارهای دادهکاوی زبان Weka و R به تفصیل مورد بحث قرار میگیرند. موضوعات پیشرفته از جمله تجزیه و تحلیل داده های بزرگ، مدل های داده های رابطه ای و NoSQL به تفصیل مورد بحث قرار می گیرند. ویژگی های آموزشی از جمله مسائل حل نشده و سوالات چند گزینه ای در سراسر کتاب برای درک بهتر در هم آمیخته شده است.
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.
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