Data Mining: The Textbook

این کتاب درسی جنبه‌های مختلف داده‌کاوی از اصول اولیه 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 چهار مشکل اصلی دارد که مربوط به خوشه‌بندی، طبقه‌بندی، الگوی کاوی و تجزیه و تحلیل پرت است. این فصل ها به طور جامع طیف گسترده ای از روش ها را برای این مشکلات مورد بحث قرار می دهند.
• 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 مورد مطالعه قرار می دهند. فصل های دامنه نیز طعمی کاربردی دارند.

مناسب برای دوره های مقدماتی و پیشرفته داده کاوی، داده کاوی: کتاب درسی جزئیات ریاضی و شهود را متعادل می کند. 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 مثال‌های قابل تفسیر معنایی گنجانده شده است.

ستایش برای داده‌کاوی: کتاب درسی -

«همانطور که این کتاب را مطالعه می‌کنم، قبلاً تصمیم گرفتم از آن در کلاس های خود استفاده کنم. این کتابی است که توسط محقق برجسته ای نوشته شده است که کمک های اساسی به داده کاوی داشته است، به گونه ای که هم در دسترس و هم به روز باشد. این کتاب با موارد تئوری و کاربرد عملی کامل است. این کتاب برای دانشجویان و اساتید یکسان ضروری است!\" -- Qiang Yang، رئیس علوم و مهندسی کامپیوتر در دانشگاه علم و فناوری هنگ کنگ

\"این شگفت‌انگیزترین و جامع‌ترین کتاب درسی است. در مورد داده کاوی این نه تنها مشکلات اساسی مانند خوشه بندی، طبقه بندی، نقاط پرت و الگوهای مکرر، و انواع مختلف داده، از جمله متن، سری های زمانی، دنباله ها، داده های مکانی و نمودارها را پوشش می دهد، بلکه برنامه های مختلف مانند توصیه کننده ها، وب، شبکه های اجتماعی را نیز پوشش می دهد. و حریم خصوصی این یک کتاب عالی برای دانشجویان فارغ التحصیل و محققان و همچنین پزشکان است.\" -- فیلیپ اس یو، استاد برجسته UIC و کرسی وکسلر در فناوری اطلاعات در دانشگاه ایلینوی در شیکاگو

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.

Praise for Data Mining: The Textbook -

“As I read through this book, I have already decided to use it in my classes.  This is a book written by an outstanding researcher who has made fundamental contributions to data mining, in a way that is both accessible and up to date.  The book is complete with theory and practical use cases.  It’s a must-have for students and professors alike!" -- Qiang Yang, Chair of Computer Science and Engineering at Hong Kong University of Science and Technology

"This is the most amazing and comprehensive text book on data mining. It covers not only the fundamental problems, such as clustering, classification, outliers and frequent patterns, and different data types, including text, time series, sequences, spatial data and graphs, but also various applications, such as recommenders, Web, social network and privacy.  It is a great book for graduate students and researchers as well as practitioners." -- Philip S. Yu, UIC Distinguished Professor and Wexler Chair in Information Technology at University of Illinois at Chicago