Data Mining Tutorial for CS for Android APK

Opis

Podatkovno rudarjenje je postopek odkrivanja vzorcev v velikih nizih podatkov, ki vključuje metode na stičišču strojnega učenja, statistike in sistemov podatkovnih baz. Podatkovno rudarjenje je interdisciplinarno podpodročje računalništva in statistike s splošnim ciljem pridobiti informacije (z inteligentnimi metodami) iz nabora podatkov in preoblikovati informacije v razumljivo strukturo za nadaljnjo uporabo. Podatkovno rudarjenje je korak analize procesa "odkrivanja znanja v bazah podatkov" ali KDD. Poleg koraka neobdelane analize vključuje tudi vidike baze podatkov in upravljanja podatkov, predhodno obdelavo podatkov, premisleke o modelih in sklepanju, metrike zanimivosti, premisleke o kompleksnosti, naknadno obdelavo odkritih struktur, vizualizacijo in spletno posodabljanje.

Izraz "podatkovno rudarjenje" je napačen, saj je cilj pridobivanje vzorcev in znanja iz velikih količin podatkov, ne pa pridobivanje (rudarjenje) podatkov samih. Je tudi modna beseda in se pogosto uporablja za katero koli obliko obsežne obdelave podatkov ali informacij (zbiranje, ekstrakcija, skladiščenje, analiza in statistika), kot tudi za vsako uporabo računalniškega sistema za podporo odločanju, vključno z umetno inteligenco (npr. učenje) in poslovno inteligenco. Knjiga Podatkovno rudarjenje: Praktična orodja in tehnike strojnega učenja z Javo (ki zajema večinoma gradivo strojnega učenja) naj bi se prvotno imenovala Praktično strojno učenje, izraz podatkovno rudarjenje pa je bil dodan zgolj iz marketinških razlogov. Pogosto so bolj splošni izrazi (velikega obsega) analiza podatkov in analitika ali, ko se nanašajo na dejanske metode, umetna inteligenca in strojno učenje.

Dejanska naloga podatkovnega rudarjenja je polavtomatska ali samodejna analiza velikih količin podatkov za ekstrahiranje prej neznanih, zanimivih vzorcev, kot so skupine podatkovnih zapisov (analiza gruč), nenavadni zapisi (zaznavanje anomalij) in odvisnosti (rudarjenje asociacijskih pravil, rudarjenje z zaporednim vzorcem). To običajno vključuje uporabo tehnik baze podatkov, kot so prostorski indeksi. Te vzorce lahko nato vidimo kot nekakšen povzetek vhodnih podatkov in jih lahko uporabimo v nadaljnji analizi ali na primer v strojnem učenju in napovedni analitiki. Na primer, korak podatkovnega rudarjenja lahko identificira več skupin v podatkih, ki se nato lahko uporabijo za pridobitev natančnejših rezultatov napovedi s sistemom za podporo odločanju. Niti zbiranje podatkov, priprava podatkov niti interpretacija rezultatov in poročanje niso del koraka podatkovnega rudarjenja, ampak spadajo v celoten postopek KDD kot dodatni koraki.

Podatkovno skladišče je zgrajeno z integracijo podatkov iz več heterogenih virov.

Podpira analitično poročanje, strukturirana in/ali ad hoc poizvedovanja ter sprejemanje odločitev. Ta vadnica uporablja pristop korak za korakom za razlago vseh potrebnih konceptov shranjevanja podatkov.

Zbirke vadnic o kategorijah so spodaj in zagotavljajo vse všečke tem,

Pregled podatkovnega skladišča

Koncepti podatkovnega skladišča

Procesi sistema skladišča podatkov

Arhitektura podatkovnega skladišča

Terminologije podatkovnega skladišča

Postopek dostave podatkovnega skladišča

Večdimenzionalni OLAP podatkovnega skladišča

Sheme podatkovnega skladišča

Testiranje podatkovnega skladišča

Prihodnji vidiki podatkovnega skladišča

Vprašanja za intervju o skladišču podatkov

Strategija particioniranja podatkovnega skladišča

Koncepti metapodatkov skladišča podatkov

Data Warehouse Data Martining

Skrbniki sistema skladišč podatkov

Vodje procesov skladišča podatkov

Varnost skladišča podatkov

Nastavitev podatkovnega skladišča

in mnogi drugi