Data Mining: Koncepcje i techniki

Opinie czytelników

Książka oferuje kompleksowe i neutralne wprowadzenie do eksploracji danych i hurtowni danych, przeznaczone zarówno dla początkujących, jak i bardziej zaawansowanych czytelników. Zawiera solidne wyjaśnienia podstawowych zagadnień matematycznych i różnorodnych metod eksploracji danych. Niektórzy recenzenci uważają jednak, że tekst jest niejasny, brak praktycznych przykładów i brakujące odpowiedzi do ćwiczeń są frustrujące.

⬤ Kompleksowe omówienie koncepcji i algorytmów eksploracji danych.
⬤ Podejście neutralne względem dostawców pozwala na elastyczność w implementacji.
⬤ Dobry materiał wprowadzający z solidnymi wyjaśnieniami dotyczącymi matematyki.
⬤ Zawiera format pytań i odpowiedzi, który pomaga w nauce.
⬤ Polecana zarówno początkującym, jak i zaawansowanym praktykom.
⬤ Zawiera dobrą treść teoretyczną i wiele odniesień.

⬤ Niektórzy czytelnicy uważają, że tekst jest niejasny i trudny do zrozumienia.
⬤ Brak odpowiedzi do ćwiczeń zmniejsza jej przydatność jako podręcznika.
⬤ Przykłady są często niekompletne i nie pokazują pełnych rozwiązań.
⬤ Książka może być zbyt abstrakcyjna i brakuje w niej praktycznych przykładów wykorzystujących rzeczywiste systemy baz danych.
⬤ Niektórzy uważają, że treść jest przestarzała i niewystarczająco dogłębna do studiowania na poziomie magisterskim.

(na podstawie 23 opinii czytelników)

Oryginalny tytuł:

Data Mining: Concepts and Techniques

Zawartość książki:

Data Mining: Concepts and Techniques, Fourth Edition wprowadza koncepcje, zasady i metody wydobywania wzorców, wiedzy i modeli z różnych rodzajów danych do różnych zastosowań. W szczególności zagłębia się w procesy odkrywania wzorców i wiedzy z ogromnych zbiorów danych, znanych jako odkrywanie wiedzy z danych lub KDD.

Skupia się na wykonalności, użyteczności, skuteczności i skalowalności technik eksploracji danych dla dużych zbiorów danych. Po wprowadzeniu do koncepcji eksploracji danych, autorzy wyjaśniają metody wstępnego przetwarzania, charakteryzowania i przechowywania danych. Następnie dzielą metody eksploracji danych na kilka głównych zadań, wprowadzając koncepcje i metody wydobywania częstych wzorców, skojarzeń i korelacji dla dużych zbiorów danych; klasyfikację danych i budowę modeli; analizę klastrów; i wykrywanie wartości odstających.

Koncepcje i metody głębokiego uczenia są systematycznie wprowadzane w jednym rozdziale. Wreszcie, książka obejmuje trendy, zastosowania i granice badań w eksploracji danych.