ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Mining The Textbook

دانلود کتاب کتاب درسی داده کاوی

Data Mining  The Textbook

مشخصات کتاب

Data Mining The Textbook

ویرایش:  
نویسندگان:   
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 

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


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.


توضیحاتی در مورد کتاب کتاب درسی داده کاوی

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.


توضیحاتی درمورد کتاب به خارجی

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.





نظرات کاربران