Scientific Data Mining and Knowledge Discovery: Principles and Foundations

با تکامل در ذخیره سازی داده ها، پایگاه های داده بزرگ، محققان بسیاری از حوزه ها، به ویژه یادگیری ماشینی و آمار، را به اتخاذ و توسعه تکنیک های جدید برای تجزیه و تحلیل داده ها در زمینه های مختلف علمی برانگیخته است. به ویژه، موفقیت های قابل توجهی در استفاده از تکنیک های آماری، محاسباتی و یادگیری ماشین برای کشف دانش علمی در زمینه های زیست شناسی، شیمی، فیزیک و نجوم به دست آمده است. با پیشرفت‌های اخیر در هستی‌شناسی‌ها و بازنمایی دانش، اکتشاف علمی خودکار (ASD) چشم‌اندازهای بزرگ‌تری در آینده دارد.

مشارکت‌های این کتاب اطلاعات کاملی را در اختیار خواننده قرار می‌دهد. نگاهی به ابزارهای مختلف مورد استفاده در تجزیه و تحلیل داده ها برای کشف علمی. گابر ارائه را در چهار بخش سازماندهی کرده است: بخش اول پیشینه لازم را در زمینه رشته هایی که داده کاوی علمی و کشف دانش بر آن ها استوار است در اختیار خواننده قرار می دهد. بخش دوم کاربردهای روش های محاسباتی مورد استفاده در کاربردهای زمین فضایی، شیمیایی و بیوانفورماتیک را شرح می دهد. بخش سوم در مورد کاربردهای داده کاوی در علوم زمین، شیمی و فیزیک است. در نهایت، در قسمت چهارم، روندها و جهت گیری های آینده برای تحقیق توضیح داده شده است.

این کتاب به عنوان نقطه شروعی برای دانشجویان و محققان علاقه مند به این حوزه چند رشته ای است. هم یک نمای کلی از وضعیت هنر ارائه می دهد و هم زمینه ها و موضوعات باز را برای تحقیق و توسعه آینده فهرست می کند.

With the evolution in data storage, large databases have stimulated researchers from many areas, especially machine learning and statistics, to adopt and develop new techniques for data analysis in different fields of science. In particular, there have been notable successes in the use of statistical, computational, and machine learning techniques to discover scientific knowledge in the fields of biology, chemistry, physics, and astronomy. With the recent advances in ontologies and knowledge representation, automated scientific discovery (ASD) has further, great prospects in the future.

The contributions in this book provide the reader with a complete view of the different tools used in the analysis of data for scientific discovery. Gaber has organized the presentation into four parts: Part I provides the reader with the necessary background in the disciplines on which scientific data mining and knowledge discovery are based. Part II details applications of computational methods used in geospatial, chemical, and bioinformatics applications. Part III is about data mining applications in geosciences, chemistry, and physics. Finally, in Part IV, future trends and directions for research are explained.

The book serves as a starting point for students and researchers interested in this multidisciplinary field. It offers both an overview of the state of the art and lists areas and open issues for future research and development.