La app es un completo manual de Data mining & Data Warehousing que cubre temas importantes, notas, materiales, noticias & blogs sobre el curso. Descargue la aplicación como un material de referencia y un libro digital para las ciencias de la computación, la inteligencia artificial, la ciencia de los datos y los programas de ingeniería de software y los cursos de gestión empresarial. La aplicación es imprescindible para todos los estudiantes de ciencias de la computación & ingeniería & profesionales.
La aplicación proporciona una revisión rápida y la referencia a los temas importantes como una tarjeta de notas detalladas, hace que sea fácil & útil para el estudiante o un profesional para cubrir el programa del curso rápidamente antes de un examen o entrevista de trabajo.
Sigue tu aprendizaje, establecer recordatorios, editar el material de estudio, añadir temas favoritos, compartir los temas en las redes sociales.
También puedes escribir en un blog sobre tecnología de ingeniería, innovación, startups de ingeniería, trabajos de investigación de la universidad, actualizaciones del instituto, enlaces informativos sobre materiales del curso & programas de educación desde tu smartphone o tableta o en http://www.engineeringapps.net/.
Usa esta útil aplicación de ingeniería como tu tutorial, libro digital, una guía de referencia para el programa de estudios, material del curso, trabajo del proyecto, compartiendo tus puntos de vista en el blog.
Algunos de los temas cubiertos en la aplicación son:
1. Introducción a la minería de datos
2. Arquitectura de datos
3. Data-Warehouses (DW)
4. Bases de datos relacionales
5. Bases de datos transaccionales
6. Sistemas avanzados de datos e información y aplicaciones avanzadas
7. Funcionalidades de la minería de datos
8. Clasificación de los sistemas de minería de datos
9. Primitivas de las tareas de minería de datos
10. Integración de un sistema de minería de datos con un sistema de almacén de datos
11. Principales problemas en la Minería de Datos
12. Cuestiones de rendimiento en la Minería de Datos
13. Introducción al preprocesamiento de datos
14. Resumen descriptivo de datos
15. Medición de la Dispersión de Datos
16. Visualización gráfica de los resúmenes de datos descriptivos básicos
17. Limpieza de datos
18. Datos ruidosos
19. Proceso de limpieza de datos
20. Integración y transformación de datos
21. Transformación de datos
22. Reducción de datos
23. Reducción de la dimensionalidad
24. Reducción de la Numerosidad
25. Agrupación y muestreo
26. Discretización de datos y generación de jerarquía de conceptos
27. Generación de jerarquía de conceptos para datos categóricos
28. Introducción a los almacenes de datos
29. Diferencias entre los Sistemas de Bases de Datos Operativas y los Almacenes de Datos
30. Un modelo de datos multidimensional
31. Un modelo de datos multidimensional
32. Arquitectura del almacén de datos
33. El proceso de diseño de un almacén de datos
34. Una arquitectura de almacén de datos de tres niveles
35. Herramientas y Utilidades de Back-End de Almacén de Datos
36. Tipos de servidores OLAP: ROLAP versus MOLAP versus HOLAP
37. Implementación del almacén de datos
38. Del almacenamiento de datos a la minería de datos
39. Del procesamiento analítico en línea a la minería analítica en línea
40. Métodos para el cálculo de cubos de datos
41. Agregación de matrices multidireccionales para el cálculo de cubos completos
42. Star-Cubing: Cálculo de cubos Iceberg utilizando una estructura dinámica de árbol de estrellas
43. Precomputación de fragmentos de shell para un OLAP rápido de alta dimensión
44. Exploración dirigida de cubos de datos
45. Agregación Compleja en Múltiples Granularidades: Cubos de características múltiples
46. Inducción orientada a atributos
47. Inducción orientada a atributos para la caracterización de datos
48. Implementación eficiente de la inducción orientada a atributos
49. Minería de comparaciones de clases: Discriminación entre diferentes clases
50. Patrones frecuentes
51. El algoritmo Apriori
52. Métodos de minería de conjuntos de elementos frecuentes eficientes y escalables
Cada tema se completa con diagramas, ecuaciones y otras formas de representaciones gráficas para un mejor aprendizaje y una rápida comprensión.
La minería de datos & Data Warehousing forma parte de la ciencia de la computación, la ingeniería de software, la IA, el aprendizaje automático & el curso de educación de computación estadística y la tecnología de la información & programas de grado de gestión empresarial en varias universidades.