Data Mining Tutorial for CS for Android APK

Deskripsi

Data mining adalah proses menemukan pola dalam kumpulan data besar yang melibatkan metode di persimpangan pembelajaran mesin, statistik, dan sistem database. Data mining adalah subbidang interdisipliner ilmu komputer dan statistik dengan tujuan keseluruhan untuk mengekstrak informasi (dengan metode cerdas) dari kumpulan data dan mengubah informasi menjadi struktur yang dapat dipahami untuk penggunaan lebih lanjut. Data mining adalah langkah analisis dari proses "penemuan pengetahuan dalam database" atau KDD. Selain langkah analisis mentah, juga melibatkan aspek database dan manajemen data, pra-pemrosesan data, pertimbangan model dan inferensi, metrik ketertarikan, pertimbangan kompleksitas, pasca-pemrosesan struktur yang ditemukan, visualisasi, dan pembaruan online.

Istilah "data mining" adalah keliru, karena tujuannya adalah ekstraksi pola dan pengetahuan dari sejumlah besar data, bukan ekstraksi (penambangan) data itu sendiri. Ini juga merupakan kata kunci dan sering diterapkan pada segala bentuk pemrosesan data atau informasi skala besar (pengumpulan, ekstraksi, pergudangan, analisis, dan statistik) serta aplikasi sistem pendukung keputusan komputer, termasuk kecerdasan buatan (mis., Mesin pembelajaran) dan intelijen bisnis. Buku Data mining: Alat dan teknik pembelajaran mesin praktis dengan Java (yang mencakup sebagian besar materi pembelajaran mesin) awalnya diberi nama hanya Pembelajaran mesin praktis, dan istilah penambangan data hanya ditambahkan untuk alasan pemasaran. Seringkali istilah yang lebih umum (skala besar) analisis dan analitik data atau, ketika mengacu pada metode aktual, kecerdasan buatan dan pembelajaran mesin lebih tepat.

Tugas data mining sebenarnya adalah analisis semi-otomatis atau otomatis dari sejumlah besar data untuk mengekstrak pola yang sebelumnya tidak diketahui, menarik seperti kelompok catatan data (analisis cluster), catatan yang tidak biasa (deteksi anomali), dan dependensi (penambangan aturan asosiasi, penambangan pola berurutan). Ini biasanya melibatkan penggunaan teknik database seperti indeks spasial. Pola-pola ini kemudian dapat dilihat sebagai semacam ringkasan data masukan, dan dapat digunakan dalam analisis lebih lanjut atau, misalnya, dalam pembelajaran mesin dan analisis prediktif. Misalnya, langkah penambangan data mungkin mengidentifikasi beberapa kelompok dalam data, yang kemudian dapat digunakan untuk mendapatkan hasil prediksi yang lebih akurat oleh sistem pendukung keputusan. Baik pengumpulan data, persiapan data, maupun interpretasi dan pelaporan hasil bukanlah bagian dari langkah penambangan data, tetapi termasuk dalam proses KDD secara keseluruhan sebagai langkah tambahan.

Sebuah gudang data dibangun dengan mengintegrasikan data dari berbagai sumber yang heterogen.

Ini mendukung pelaporan analitis, kueri terstruktur dan/atau ad hoc, dan pengambilan keputusan. Tutorial ini mengadopsi pendekatan langkah demi langkah untuk menjelaskan semua konsep yang diperlukan dari data warehousing.

Kumpulan Tutorial Kategori ada di bawah dan menyediakan semua Topik Suka,

Ikhtisar Gudang Data

Konsep Gudang Data

Proses Sistem Data Warehouse

Arsitektur Gudang Data

Terminologi Data Warehouse

Proses Pengiriman Data Warehouse

Data Warehouse Multidimensi OLAP

Skema Gudang Data

Pengujian Gudang Data

Aspek Masa Depan Gudang Data

Pertanyaan Wawancara Gudang Data

Strategi Partisi Gudang Data

Konsep Metadata Gudang Data

Data Warehouse Data Marting

Manajer Sistem Gudang Data

Manajer Proses Gudang Data

Keamanan Gudang Data

Penyetelan Gudang Data

dan banyak lagi