Data Mining Tutorial for CS for Android APK

Popis

Data mining je proces odhalování vzorců ve velkých souborech dat zahrnujících metody na průsečíku strojového učení, statistiky a databázových systémů. Data mining je interdisciplinární podobor informatiky a statistiky s celkovým cílem extrahovat informace (inteligentními metodami) ze souboru dat a transformovat je do srozumitelné struktury pro další použití. Dolování dat je krok analýzy procesu „objevování znalostí v databázích“ neboli KDD. Kromě nezpracované analýzy zahrnuje také aspekty správy databáze a dat, předběžné zpracování dat, úvahy o modelu a odvození, metriky zajímavosti, úvahy o složitosti, následné zpracování objevených struktur, vizualizaci a online aktualizaci.

Termín „dolování dat“ je nesprávné označení, protože cílem je vytěžování vzorů a znalostí z velkého množství dat, nikoli vytěžování (dolování) dat jako takové. Je to také módní slovo a často se používá pro jakoukoli formu rozsáhlého zpracování dat nebo informací (shromažďování, extrakce, skladování, analýzy a statistiky) a také pro jakoukoli aplikaci počítačového systému pro podporu rozhodování, včetně umělé inteligence (např. učení) a business intelligence. Kniha Data mining: Praktické nástroje a techniky strojového učení s Javou (která pokrývá převážně materiál pro strojové učení) se původně měla jmenovat jen Praktické strojové učení a termín data mining byl přidán pouze z marketingových důvodů. Často jsou vhodnější obecnější termíny (ve velkém měřítku) analýza a analýza dat nebo, když se odkazuje na skutečné metody, umělá inteligence a strojové učení.

Skutečným úkolem dolování dat je poloautomatická nebo automatická analýza velkého množství dat za účelem extrahování dříve neznámých, zajímavých vzorců, jako jsou skupiny datových záznamů (shluková analýza), neobvyklé záznamy (detekce anomálií) a závislosti (dolování asociačních pravidel, sekvenční dolování vzorů). To obvykle zahrnuje použití databázových technik, jako jsou prostorové indexy. Na tyto vzory lze potom pohlížet jako na jakýsi souhrn vstupních dat a lze je využít v další analýze nebo například ve strojovém učení a prediktivní analytice. Krok dolování dat může například identifikovat více skupin v datech, které pak lze použít k získání přesnějších výsledků predikce systémem podpory rozhodování. Ani sběr dat, příprava dat, ani interpretace výsledků a reportování nejsou součástí kroku dolování dat, ale patří k celkovému procesu KDD jako dodatečné kroky.

Datový sklad je konstruován integrací dat z více heterogenních zdrojů.

Podporuje analytické výkaznictví, strukturované a/nebo ad hoc dotazy a rozhodování. Tento tutoriál využívá postupný přístup k vysvětlení všech nezbytných konceptů datového skladu.

Sbírky výukových programů kategorií jsou uvedeny níže a poskytují všechny Topic Like,

Přehled datového skladu

Koncepce datového skladu

Systémové procesy datového skladu

Architektura datového skladu

Terminologie datového skladu

Proces dodání datového skladu

Datový sklad Multidimenzionální OLAP

Schémata datového skladu

Testování datového skladu

Budoucí aspekty datového skladu

Otázky k pohovoru o datovém skladu

Strategie dělení datových skladů

Koncepty metadat datového skladu

Datový sklad Data Marting

Správci systému datových skladů

Manažeři procesů datového skladu

Zabezpečení datového skladu

Ladění datového skladu

a mnoho dalších