کتاب Principles of Data Mining در زمینه داده کاوی و مفاهیم آن که کمک بسیاری به محققین این زمینه می‌کند. در این کتاب به اصول اولیه داده‌کاوی، دسته‌بندی داده‌ها، کار با الگوریتم‌های مهم داده‌کاوی و چندین مبحث مهم در این زمینه آشنا می‌شوید.
داده‌کاوی (Data Mining) چیست و چه کاربردهایی دارد؟
داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار. این الگوریتم‌ها معمولا بر روی مقادیر عددی و غیرمتنی اعمال می‌شوند و برای داده‌های متنی، از الگوریتم‌های متن‌کاوی استفاده می‌شود. داده‌کاوی از علومی مانند هوش مصنوعی، یادگیری ماشینی، آمار، پژوهش عملیاتی و مدیریت پایگاه‌های داده برای ساخت مدل‌ها و پاسخ به سوالات بهره می‌برد.
استخراج و تحلیل اطلاعات سازمان از داده‌های در دسترس توسط کارکنان، فرآیندی است که برای سال‌های متمادی انجام شده و وظیفه جدیدی در سازمان‌ها به شمار نمی‌آید. اولین الگوریتم‌های شناسایی روندهای منظم و الگوها در پایگاه داده، از علم آمار و نظریه‌های احتمال نشأت گرفته‌اند.
در سال‌های اخیر، با رشد روزافزون قدرت محاسباتی رایانه‌ها و امکان دستیابی به نتایج حاصل از محاسبات پیچیده در مدت زمان کوتاه، سبب شده است تا الگوریتم‌های پیشرفته ریاضی مورد توجه قرار بگیرند. این الگوریتم‌ها با درنظرگرفتن ابعاد مختلف داده، به پالایش و تحلیل آن پرداخته و الگوهای پیچیده و غیرقابل شناسایی توسط روش‌های قدیمی را استخراج و ارائه می‌کنند. رایانه‌ها کمک کرده‌اند تا فرآیند استخراج، پالایش، پیش‌پردازش و مدل‌سازی داده‌ها و همچنین اعتبارسنجی یافته‌ها با دقت بیشتر و سرعتی بی‌نظیر انجام شود.
بیشتر بخوانید: کتاب Data Mining and Learning Analytics
سرفصل‌های کتاب Principles of Data Mining:
- Introduction to Data Mining
- Data for Data Mining
- Introduction to Classification: Na¨ıveBayes and Nearest Neighbour
- Using Decision Trees for Classification
- Decision Tree Induction: Using Entropyfor Attribute Selection
- Decision Tree Induction: Using FrequencyTables for Attribute Selection
- Estimating the Predictive Accuracy of aClassifier
- Continuous Attributes
- Avoiding Overfitting of Decision Trees
- More About Entropy
- Inducing Modular Rules for Classification
- Measuring the Performance of a Classifier
- Dealing with Large Volumes of Data
- Ensemble Classification
- Comparing Classifiers
- Association Rule Mining I
- Association Rule Mining II
- FrequentPattern Trees
- Clustering
- Text Mining
- Classifying Streaming Data
- Classifying Streaming Data II: Time-Dependent Data
فایل کتاب Principles of Data Mining را می‌توانید به صورت رایگان از سایت فقط کتاب دانلود کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.