Data Mining: Theoretische Aspekte und Anwendungen

استخراج دانش عملی از داده ها موضوعی است که با توجه به حجم داده های موجود در حال حاضر روز به روز موضوعی تر می شود. این کتاب به جنبه های نظری و کاربردی داده کاوی می پردازد. داده کاوی استفاده از روش های مناسب برای کشف دانش در پایگاه های داده بزرگ و هسته فرآیندی است که در ادبیات به عنوان "کشف دانش در پایگاه های داده" (KDD) توصیف شده است. فایل کاوی و KDD هر دو جنبه تحقیقاتی و کاربردی جالب دارند. از یک طرف، آنها به عنوان یک علم بین رشته ای، چالش های جدیدی را برای تحقیق در زمینه هایی مانند آمار، یادگیری ماشین و پایگاه های داده به همراه دارند. از سوی دیگر برای کاربردهای عملی مختلف مانند بازاریابی، لجستیک، معیارهای ریسک، تضمین کیفیت، ساخت و ساز و مدیریت تولید از اهمیت بالایی برخوردار هستند. مشارکت های این کتاب به هر دوی این جنبه ها می پردازد.

Die Extraktion von verwertbarem Wissen aus Daten ist ein Thema, das angesichts der Menge des zur Zeit verfügbaren Datenmaterials mehr und mehr an Aktualität gewinnt. Dieses Buch befaßt sich mit theoretischen und Anwendungsaspekten des Data Mining. Data Mining ist die Anwendung geeigneter Verfahren zur Wissensentdeckung in großen Datenbeständen und Kern eines Prozesses, der in der Literatur als "Knowledge Discovery in Databases" (KDD) beschrieben wird. Datei Mining und KDD haben sowohl interessante Forschungs- als auch Anwendungsaspekte. Sie bringen einerseits als interdisziplinäre Wissenschaft neue Herausforderungen für die Forschung auf Gebieten wie Statistik, maschinelles Lernen und Datenbanken. Andererseits sind sie für verschiedene praktische Anwendungen wie etwa Marketing, Logistik, Risikometrie, Qualitätssicherung, Konstruktion und Produktionsmanagement von großer Bedeutung. Die Beiträge dieses Buches sprechen diese beiden Aspekte an.