Data Mining Tutorial for CS for Android APK

Περιγραφή

Η εξόρυξη δεδομένων είναι η διαδικασία ανακάλυψης προτύπων σε μεγάλα σύνολα δεδομένων που περιλαμβάνουν μεθόδους στη διασταύρωση της μηχανικής μάθησης, των στατιστικών και των συστημάτων βάσεων δεδομένων. Η εξόρυξη δεδομένων είναι ένας διεπιστημονικός υποτομέας της επιστήμης των υπολογιστών και της στατιστικής με γενικό στόχο την εξαγωγή πληροφοριών (με έξυπνες μεθόδους) από ένα σύνολο δεδομένων και τη μετατροπή της πληροφορίας σε μια κατανοητή δομή για περαιτέρω χρήση. Η εξόρυξη δεδομένων είναι το βήμα ανάλυσης της διαδικασίας «ανακάλυψης γνώσης σε βάσεις δεδομένων» ή KDD. Εκτός από το βήμα της ακατέργαστης ανάλυσης, περιλαμβάνει επίσης πτυχές διαχείρισης βάσεων δεδομένων και δεδομένων, προεπεξεργασία δεδομένων, θεωρήσεις μοντέλων και συμπερασμάτων, μετρήσεις ενδιαφέροντος, θέματα πολυπλοκότητας, μετα-επεξεργασία δομών που ανακαλύφθηκαν, οπτικοποίηση και ενημέρωση στο διαδίκτυο.

Ο όρος «εξόρυξη δεδομένων» είναι μια εσφαλμένη ονομασία, γιατί ο στόχος είναι η εξαγωγή προτύπων και γνώσης από μεγάλους όγκους δεδομένων, όχι η εξόρυξη (εξόρυξη) των ίδιων των δεδομένων. Είναι επίσης ένα τσιτάτο και εφαρμόζεται συχνά σε οποιαδήποτε μορφή επεξεργασίας δεδομένων ή πληροφοριών μεγάλης κλίμακας (συλλογή, εξαγωγή, αποθήκευση, ανάλυση και στατιστικά), καθώς και σε οποιαδήποτε εφαρμογή συστήματος υποστήριξης αποφάσεων υπολογιστή, συμπεριλαμβανομένης της τεχνητής νοημοσύνης (π.χ. μάθηση) και επιχειρηματική ευφυΐα. Το βιβλίο Εξόρυξη δεδομένων: Πρακτικά εργαλεία μηχανικής μάθησης και τεχνικές με Java (το οποίο καλύπτει κυρίως υλικό μηχανικής μάθησης) αρχικά επρόκειτο να ονομαστεί μόνο Πρακτική μηχανική μάθηση και ο όρος εξόρυξη δεδομένων προστέθηκε μόνο για λόγους μάρκετινγκ. Συχνά οι πιο γενικοί όροι (μεγάλης κλίμακας) ανάλυση και ανάλυση δεδομένων ή, όταν γίνεται αναφορά σε πραγματικές μεθόδους, η τεχνητή νοημοσύνη και η μηχανική μάθηση είναι πιο κατάλληλοι.

Η πραγματική εργασία εξόρυξης δεδομένων είναι η ημιαυτόματη ή αυτόματη ανάλυση μεγάλων ποσοτήτων δεδομένων για την εξαγωγή προηγουμένως άγνωστων, ενδιαφέροντων μοτίβων, όπως ομάδες εγγραφών δεδομένων (ανάλυση συμπλέγματος), ασυνήθιστες εγγραφές (ανίχνευση ανωμαλιών) και εξαρτήσεις (εξόρυξη κανόνων συσχέτισης, διαδοχική εξόρυξη προτύπων). Αυτό συνήθως περιλαμβάνει τη χρήση τεχνικών βάσεων δεδομένων, όπως οι χωρικοί δείκτες. Αυτά τα μοτίβα μπορούν στη συνέχεια να θεωρηθούν ως ένα είδος περίληψης των δεδομένων εισόδου και μπορούν να χρησιμοποιηθούν σε περαιτέρω ανάλυση ή, για παράδειγμα, στη μηχανική μάθηση και στην προγνωστική ανάλυση. Για παράδειγμα, το βήμα εξόρυξης δεδομένων μπορεί να προσδιορίσει πολλές ομάδες στα δεδομένα, οι οποίες στη συνέχεια μπορούν να χρησιμοποιηθούν για να ληφθούν πιο ακριβή αποτελέσματα πρόβλεψης από ένα σύστημα υποστήριξης αποφάσεων. Ούτε η συλλογή δεδομένων, η προετοιμασία δεδομένων, ούτε η ερμηνεία και η αναφορά αποτελεσμάτων αποτελούν μέρος του βήματος εξόρυξης δεδομένων, αλλά ανήκουν στη συνολική διαδικασία KDD ως πρόσθετα βήματα.

Μια αποθήκη δεδομένων κατασκευάζεται με την ενοποίηση δεδομένων από πολλαπλές ετερογενείς πηγές.

Υποστηρίζει αναλυτικές αναφορές, δομημένα ή/και ad hoc ερωτήματα και λήψη αποφάσεων. Αυτό το σεμινάριο υιοθετεί μια προσέγγιση βήμα προς βήμα για να εξηγήσει όλες τις απαραίτητες έννοιες της αποθήκευσης δεδομένων.

Οι συλλογές εκπαιδευτικών κατηγοριών είναι παρακάτω και παρέχουν όλα τα Θέματα Like,

Επισκόπηση αποθήκης δεδομένων

Έννοιες αποθήκης δεδομένων

Διαδικασίες συστήματος αποθήκης δεδομένων

Αρχιτεκτονική Αποθήκης Δεδομένων

Ορολογίες αποθήκης δεδομένων

Διαδικασία παράδοσης αποθήκης δεδομένων

Πολυδιάστατη αποθήκη δεδομένων OLAP

Σχήματα αποθήκης δεδομένων

Δοκιμές αποθήκης δεδομένων

Μελλοντικές πτυχές αποθήκης δεδομένων

Ερωτήσεις συνέντευξης αποθήκης δεδομένων

Στρατηγική κατάτμησης αποθήκης δεδομένων

Έννοιες Μεταδεδομένων Αποθήκης Δεδομένων

Data Warehouse Data Marting

Υπεύθυνοι Συστήματος Αποθήκης Δεδομένων

Υπεύθυνοι Διαδικασιών Αποθήκης Δεδομένων

Ασφάλεια αποθήκης δεδομένων

Συντονισμός αποθήκης δεδομένων

και πολλοί άλλοι