Data Mining: Podręcznik

Opinie czytelników

Książka jest chwalona za kompleksowe i dogłębne omówienie różnych tematów związanych z eksploracją danych i analityką. Jest postrzegana jako cenne źródło informacji zarówno dla środowiska akademickiego, jak i praktyków poszukujących dogłębnych teoretycznych spostrzeżeń. Nie jest jednak zalecana dla początkujących i ma problemy z formatami fizycznymi i cyfrowymi.

⬤ Doskonały zakres i głębia poruszanych tematów.
⬤ Szczegółowe opisy algorytmów, analizy i pseudokody.
⬤ Dobrze zintegrowane pokrycie różnych obszarów.
⬤ Silne ramy teoretyczne odpowiednie do studiów akademickich.
⬤ Jasne wyjaśnienia i intuicyjne dyskusje na złożone tematy.
⬤ Wszechstronne omówienie obejmujące zarówno eksplorację danych, jak i metody uczenia maszynowego.

⬤ Nie nadaje się jako pierwsza książka na temat eksploracji danych; lepsza dla średnio zaawansowanych.
⬤ Niektóre opisy algorytmów są zwięzłe i mogą nie być łatwe do zrozumienia bez wcześniejszej wiedzy.
⬤ Problemy z jakością fizyczną, takie jak wypadające strony.
⬤ Wydanie Kindle ma źle wyrenderowane formuły, przez co są nieczytelne.

(na podstawie 19 opinii czytelników)

Oryginalny tytuł:

Data Mining: The Textbook

Zawartość książki:

Niniejszy podręcznik bada różne aspekty eksploracji danych, począwszy od podstaw, a skończywszy na złożonych typach danych i ich zastosowaniach. Wykracza on poza tradycyjną koncentrację na problemach eksploracji danych, wprowadzając zaawansowane typy danych, takie jak tekst, szeregi czasowe, dyskretne sekwencje, dane przestrzenne, dane grafowe i sieci społecznościowe. Do tej pory żadna książka nie poruszała wszystkich tych tematów w kompleksowy i zintegrowany sposób. Rozdziały tej książki należą do jednej z trzech kategorii:

⬤ Rozdziały podstawowe: Eksploracja danych obejmuje cztery główne problemy, które odpowiadają grupowaniu, klasyfikacji, eksploracji wzorców asocjacyjnych i analizie wartości odstających. Rozdziały te kompleksowo omawiają szeroką gamę metod dla tych problemów.

⬤ Rozdziały tematyczne: Rozdziały te omawiają konkretne metody stosowane dla różnych dziedzin danych, takich jak dane tekstowe, dane szeregów czasowych, dane sekwencyjne, dane wykresów i dane przestrzenne.

Rozdziały dotyczące zastosowań: Rozdziały te analizują ważne zastosowania, takie jak eksploracja strumieni, eksploracja sieci, rankingi, rekomendacje, sieci społecznościowe i ochrona prywatności. Rozdziały dotyczące domen również mają charakter aplikacyjny.

Odpowiedni zarówno dla wprowadzających, jak i zaawansowanych kursów eksploracji danych, Data Mining: The Textbook równoważy szczegóły matematyczne i intuicję. Zawiera niezbędne szczegóły matematyczne dla profesorów i badaczy, ale jest przedstawiony w prostym i intuicyjnym stylu, aby poprawić dostępność dla studentów i praktyków przemysłowych (w tym tych z ograniczonym doświadczeniem matematycznym). Zawiera liczne ilustracje, przykłady i ćwiczenia, z naciskiem na przykłady interpretowane semantycznie.

Pochwały dla Data Mining: The Textbook -.

"Kiedy przeczytałem tę książkę, już zdecydowałem się wykorzystać ją na moich zajęciach. Jest to książka napisana przez wybitnego badacza, który wniósł fundamentalny wkład w eksplorację danych, w sposób zarówno przystępny, jak i aktualny. Książka jest pełna teorii i praktycznych przypadków użycia. To pozycja obowiązkowa zarówno dla studentów, jak i profesorów! " -- Qiang Yang, katedra informatyki i inżynierii na Uniwersytecie Nauki i Technologii w Hongkongu.

"Jest to najbardziej niesamowity i wszechstronny podręcznik na temat eksploracji danych. Obejmuje nie tylko podstawowe problemy, takie jak grupowanie, klasyfikacja, wartości odstające i częste wzorce oraz różne typy danych, w tym tekst, szeregi czasowe, sekwencje, dane przestrzenne i wykresy, ale także różne zastosowania, takie jak rekomendacje, sieć, sieci społecznościowe i prywatność. Jest to świetna książka dla studentów i naukowców, a także praktyków." -- Philip S. Yu, UIC Distinguished Professor i Wexler Chair in Information Technology na Uniwersytecie Illinois w Chicago.