Data Mining and Data Warehousing: Principles and Practical Techniques
در عصر مدرن هوش مصنوعی و تجزیه و تحلیل کسب و کار، دادهها به عنوان نفت این دنیای سایبری در نظر گرفته شده اند. استخراج دادهها پتانسیل زیادی برای بهبود نتایج کسب و کار دارد و تقاضای رو به رشدی برای متخصصان database mining به وجود آمده است.
کتاب Data Mining and Data Warehousing، جنبههای کاربردی داده کاوی، انبار داده و یادگیری ماشین را پوشش داده است بدون این که جزئیات این موضوعات را از قلم بیندازد. نقطه قوت این کتاب، نشان دادن مفاهیم با مثالهای کاربردی است تا خواننده به راحتی مفاهیم را بفهمد. یکی دیگر از نقاط برجسته این کتاب، نشان دادن الگوریتمهای داده کاوی با Weka و زبان R است.
Table of Contents:
1 Beginning with Machine Learning
2 Introduction to Data Mining
3 Beginning with Weka and R Language
4 Data Preprocessing
5 Classification
6 Implementing Classification in Weka and R
7 Cluster Analysis
8 Implementing Clustering with Weka and R
9 Association Mining
10 Implementing Association Mining with Weka and R
11 Web Mining and Search Engines
12 Data Warehouse
13 Data Warehouse Schema
14 Online Analytical Processing
15 Big Data and NoSQL