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: Charu C Aggarwal
سری:
ناشر: Springer
سال نشر: 2015
تعداد صفحات: 746
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Data Mining The Textbook 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 کتاب درسی داده کاوی 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 جنبههای مختلف دادهکاوی را از اصول اولیه گرفته
تا انواع دادههای پیچیده و کاربردهای آنها را بررسی میکند، و
طیف گستردهای از حوزههای مشکل را برای مسائل دادهکاوی به تصویر
میکشد. این فراتر از تمرکز سنتی بر مشکلات داده کاوی است و انواع
داده های پیشرفته مانند متن، سری های زمانی، توالی های گسسته،
داده های مکانی، داده های نموداری و شبکه های اجتماعی را معرفی می
کند. تاکنون هیچ کتابی به همه این موضوعات به صورت جامع و یکپارچه
پرداخته نشده است. فصلهای این کتاب به یکی از سه دسته تقسیم
میشوند:
فصلهای بنیادی: دادهکاوی دارای چهار مشکل اصلی است که مربوط به
خوشهبندی، طبقهبندی، الگوی کاوی و تجزیه و تحلیل پرت است. این
فصلها به طور جامع طیف گستردهای از روشها را برای این مشکلات
مورد بحث قرار میدهند.
فصلهای دامنه: این فصلها روشهای خاصی را که برای حوزههای
مختلف دادهها مانند دادههای متنی، دادههای سری زمانی، دادههای
دنبالهای، دادههای نموداری، و دادههای مکانی استفاده میشوند،
مورد بحث قرار میدهند. .
فصل های برنامه: این فصل ها کاربردهای مهمی مانند استخراج جریانی،
وب کاوی، رتبه بندی، توصیه ها، شبکه های اجتماعی و حفظ حریم خصوصی
را مطالعه می کنند. فصلهای دامنه نیز طعمی کاربردی دارند.
مناسب برای دورههای مقدماتی و پیشرفته دادهکاوی، داده کاوی:
کتاب درسی جزئیات ریاضی و شهود را متعادل میکند. این شامل جزئیات
ریاضی لازم برای اساتید و محققان است، اما به سبکی ساده و شهودی
برای بهبود دسترسی برای دانشجویان و شاغلان صنعتی (از جمله کسانی
که پیشینه ریاضی محدودی دارند) ارائه شده است. تصاویر، مثالها و
تمرینهای متعددی با تأکید بر نمونههای قابل تفسیر معنایی
گنجانده شدهاند.
This textbook explores the different aspects of data mining
from the fundamentals to the complex data types and their
applications, capturing the wide diversity of problem domains
for data mining issues. It goes beyond the traditional focus on
data mining problems to introduce advanced data types such as
text, time series, discrete sequences, spatial data, graph
data, and social networks. Until now, no single book has
addressed all these topics in a comprehensive and integrated
way. The chapters of this book fall into one of three
categories:
Fundamental chapters: Data mining has four main problems, which
correspond to clustering, classification, association pattern
mining, and outlier analysis. These chapters comprehensively
discuss a wide variety of methods for these problems.
Domain chapters: These chapters discuss the specific methods
used for different domains of data such as text data,
time-series data, sequence data, graph data, and spatial
data.
Application chapters: These chapters study important
applications such as stream mining, Web mining, ranking,
recommendations, social networks, and privacy preservation. The
domain chapters also have an applied flavor.
Appropriate for both introductory and advanced data mining
courses, Data Mining: The Textbook balances mathematical
details and intuition. It contains the necessary mathematical
details for professors and researchers, but it is presented in
a simple and intuitive style to improve accessibility for
students and industrial practitioners (including those with a
limited mathematical background). Numerous illustrations,
examples, and exercises are included, with an emphasis on
semantically interpretable examples.