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: R. S. Kamath, R. K. Kamat سری: River Publishers Series in Information Science and Technology ISBN (شابک) : 8793379315, 9788793379312 ناشر: River Publishers سال نشر: 2016 تعداد صفحات: 127 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 مگابایت
در صورت تبدیل فایل کتاب Educational Data Mining with R and Rattle 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 آموزشی با R و Rattle 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.
EDM یک رشته امیدوارکننده است که تأثیری ضروری بر پیش بینی عملکرد تحصیلی دانش آموزان دارد. این شامل دگرگونی روشهای موجود و نوآوری رویکردهای جدید ناشی از حوزههای نفوذ چند رشتهای مانند آمار، یادگیری ماشین، روانسنجی، محاسبات علمی و غیره است. یک کهنالگویی که در این کتاب پوشش داده شده است، یادگیری با مثال است. هدف این است که خوانندگان به راحتی بتوانند مثال های داده شده را تکرار کنند و سپس آنها را مطابق با نیازهای آموزشی-یادگیری خود تطبیق دهند. محتوای کتاب بر اساس کار پژوهشی نویسندگان با موضوع \"\"کاوش داده های آموزشی برای تجزیه و تحلیل و پیش بینی عملکرد تحصیلی دانش آموزان\"\" انجام شده است. دانش پایه ارائه شده در این کتاب را می توان به عنوان راهنمای پیاده سازی داده کاوی آموزشی با استفاده از ابزارهای داده کاوی منبع باز R و Rattle در نظر گرفت. موضوعات فنی مورد بحث در کتاب عبارتند از: جهت گیری های تحقیقاتی نوظهور در داده کاوی آموزشی. جنبه های طراحی و چارچوب توسعه سیستم. توسعه مدل - ساخت طبقه بندی کننده ها تجزیه و تحلیل داده های آموزشی: رویکرد خوشه بندی.
EDM is a promising discipline which has an imperative impact on predicting students' academic performance. It includes the transformation of existing, and the innovation of new approaches derived from multidisciplinary spheres of influence such as statistics, machine learning, psychometrics, scientific computing etc. An archetype that is covered in this book is that of learning by example. The intention is that readers will easily be able to replicate the given examples and then adapt them to suit their own needs of teaching-learning. The content of the book is based on the research work undertaken by the authors on the theme ""Mining of Educational Data for the Analysis and Prediction of Students' Academic Performance"". The basic know-how presented in this book can be treated as guide for educational data mining implementation using R and Rattle open source data mining tools. Technical topics discussed in the book include: Emerging Research Directions in Educational Data Mining; Design Aspects and Developmental Framework of the System; Model Development - Building Classifiers Educational Data Analysis: Clustering Approach.
Contents Foreword Preface Acknowledgment List of Figures List of Tables List of Abbreviations 1 Introduction 2 Emerging Research Directions in Educational Data Mining 3 Design Aspects and Developmental Framework of the System 4 Model Development—Building Classifiers 5 Educational Data Analysis: Clustering Approach 6 Epilogue and Further Directions References Index About theAuthors