Data Mining Tutorial for CS for Android APK

Beschreiwung

Datemining ass de Prozess fir Musteren a groussen Datesets z'entdecken, déi Methoden op der Kräizung vu Maschinnléieren, Statistiken an Datebanksystemer involvéieren. Data Mining ass en interdisziplinären Ënnerfeld vun der Informatik a Statistik mat engem Gesamtziel fir Informatioun (mat intelligente Methoden) aus engem Dateset ze extrahieren an d'Informatioun an eng verständlech Struktur fir weider Notzung ze transforméieren. Datemining ass den Analyse Schrëtt vum "Wëssen Entdeckung an Datenbanken" Prozess oder KDD. Nieft dem rauen Analyseschrëtt beinhalt et och Datebank- an Datemanagement Aspekter, Datevirveraarbechtung, Modell- an Inferenz Iwwerleeungen, Interessant Metriken, Komplexitéit Iwwerleeungen, Postveraarbechtung vun entdeckte Strukturen, Visualiséierung, an Online Aktualiséierung.

De Begrëff "Datemining" ass e falsche Bezeechnung, well d'Zil ass d'Extraktioun vu Musteren a Wëssen aus grousse Quantitéiten un Daten, net d'Extraktioun (Mining) vun Daten selwer. Et ass och e Buzzword a gëtt dacks op all Form vu grousser Skala Daten oder Informatiounsveraarbechtung (Sammlung, Extraktioun, Lagerung, Analyse a Statistik) applizéiert wéi och all Uwendung vum Computer Entscheedung Support System, inklusiv kënschtlech Intelligenz (z. Léieren) a Business Intelligence. D'Buch Data Mining: Practical Machine Learning Tools and Technics with Java (wat meeschtens Maschinnléiermaterial ofdeckt) sollt ursprénglech just Practical Machine Learning genannt ginn, an de Begrëff Datemining gouf nëmmen aus Marketinggrënn bäigefüügt. Dacks sinn déi méi allgemeng Begrëffer (grouss Skala) Datenanalyse an Analyse oder, wann Dir op aktuell Methoden schwätzt, kënschtlech Intelligenz a Maschinnléieren méi passend.

Déi aktuell Datemining Aufgab ass déi semi-automatesch oder automatesch Analyse vu grousse Quantitéite vun Daten fir virdru onbekannt, interessant Mustere wéi Gruppen vun Date records (Cluster Analyse), ongewéinlech records (Anomalie Detektioun), an Ofhängegkeeten (Associatioun Regel Mining, sequenziell Muster Mining). Dëst beinhalt normalerweis d'Benotzung vun Datebank Techniken wéi raimlech Indizes. Dës Mustere kënnen dann als eng Aart Zesummefaassung vun den Inputdaten gesi ginn, a kënne a weider Analyse benotzt ginn oder, zum Beispill, a Maschinnléieren a prévisiv Analyse. Zum Beispill kann den Datemining-Schrëtt verschidde Gruppen an den Donnéeën identifizéieren, déi dann benotzt kënne fir méi genee Prognoseresultater vun engem Entscheedungssupportsystem ze kréien. Weder d'Datensammlung, d'Datepräparatioun, nach d'Resultatinterpretatioun a Berichterstattung ass Deel vum Datemining Schrëtt, awer gehéieren zum Gesamt KDD Prozess als zousätzlech Schrëtt.

En Datelager gëtt konstruéiert andeems Daten aus multiple heterogene Quellen integréiert ginn.

Et ënnerstëtzt analytesch Berichterstattung, strukturéiert an/oder ad hoc Ufroen an Entscheedungsprozess. Dësen Tutorial adoptéiert eng Schrëtt-fir-Schrëtt Approche fir all déi néideg Konzepter vum Datelager z'erklären.

Tutorial Sammlunge vu Kategorien sinn hei ënnen a bidden all Thema Like,

Data Warehouse Iwwersiicht

Data Warehouse Konzepter

Data Warehouse System Prozesser

Data Warehouse Architektur

Date Warehouse Terminologien

Data Warehouse Liwwerung Prozess

Data Warehouse Multidimensional OLAP

Data Warehouse Schemaen

Data Warehouse Testen

Data Warehouse Zukunft Aspekter

Data Warehouse Interview Froen

Data Warehouse Partitioning Strategie

Data Warehouse Metadaten Konzepter

Data Warehouse Data Marting

Data Warehouse System Manager

Data Warehouse Prozess Manager

Data Warehouse Sécherheet

Date Warehouse Tuning

a vill anerer