| Tipo di file | APK |
|---|---|
| Versione | 1 |
| Editore | EngineeringApps |
| Data di rilascio | 16 mag 2020 |
| Data aggiunta | 16 mag 2020 |
| Requisiti del sistema operativo | Android |
| Requisiti | Requires Android 4.0 and up |
| Download totali | 0 |
| Prezzo | $5.00 |
Descrizione
L'app è un manuale completo di Data mining e Data Warehousing che copre argomenti importanti, note, materiali, notizie e blog sul corso. Scarica l'app come materiale di riferimento e libro digitale per programmi di informatica, intelligenza artificiale, scienza dei dati e ingegneria del software e corsi di laurea in gestione aziendale.
Questa utile App elenca 200 argomenti con note dettagliate, diagrammi, equazioni, formule e materiale didattico, gli argomenti sono elencati in 5 capitoli. L'app è un must per tutti gli studenti e professionisti di informatica e ingegneria.
L'app fornisce una rapida revisione e riferimento ad argomenti importanti come note dettagliate su una scheda flash, rende facile e utile per lo studente o un professionista coprire rapidamente il programma del corso prima di un esame o di un colloquio di lavoro.
Tieni traccia del tuo apprendimento, imposta promemoria, modifica il materiale di studio, aggiungi argomenti preferiti, condividi gli argomenti sui social media.
Puoi anche scrivere un blog sulla tecnologia ingegneristica, l'innovazione, le startup ingegneristiche, il lavoro di ricerca universitaria, gli aggiornamenti dell'istituto, i collegamenti informativi sui materiali dei corsi e sui programmi didattici dal tuo smartphone o tablet o su http://www.engineeringapps.net/.
Usa questa utile app di ingegneria come tutorial, libro digitale, guida di riferimento per programma, materiale del corso, lavoro di progetto, condivisione delle tue opinioni sul blog.
Alcuni degli argomenti trattati nell'app sono:
1. Introduzione al data mining
2. Architettura dei dati
3. Data-Warehouse (DW)
4. Banche dati relazionali
5. Banche dati transazionali
6. Sistemi avanzati di dati e informazioni e applicazioni avanzate
7. Funzionalità di data mining
8. Classificazione dei sistemi di data mining
9. Primitive delle attività di data mining
10. Integrazione di un Sistema di Data Mining con un Sistema di DataWarehouse
11. Principali problemi nel data mining
12. Problemi di prestazioni nel data mining
13. Introduzione alla preelaborazione dei dati
14. Riepilogo dei dati descrittivi
15. Misurare la dispersione dei dati
16. Visualizzazioni grafiche di riepiloghi di dati descrittivi di base
17. Pulizia dei dati
18. Dati rumorosi
19. Processo di pulizia dei dati
20. Integrazione e trasformazione dei dati
21. Trasformazione dei dati
22. Riduzione dei dati
23. Riduzione della dimensionalità
24. Riduzione della Numerosità
25. Clustering e campionamento
26. Discretizzazione dei dati e generazione di gerarchie di concetti
27. Generazione di gerarchie di concetti per dati categoriali
28. Introduzione ai Data warehouse
29. Differenze tra sistemi di database operativi e data warehouse
30. Un modello di dati multidimensionale
31. Un modello di dati multidimensionale
32. Architettura del data warehouse
33. Il processo di progettazione del data warehouse
34. Un'architettura di data warehouse a tre livelli
35. Strumenti e utilità di back-end di Data Warehouse
36. Tipi di server OLAP: ROLAP contro MOLAP contro HOLAP
37. Implementazione del data warehouse
38. Dal data warehousing al data mining
39. Elaborazione analitica in linea per l'estrazione analitica in linea
40. Metodi per il calcolo del cubo di dati
41. Aggregazione di array a più vie per il calcolo del cubo completo
42. Star-Cubing: calcolo di cubi di iceberg utilizzando una struttura dinamica ad albero di stelle
43. Frammenti di shell pre-calcolo per OLAP veloce ad alta dimensione
44. Esplorazione guidata di cubi di dati
45. Aggregazione complessa a granularità multipla: cubi multifunzionali
46. Induzione orientata agli attributi
47. Induzione orientata agli attributi per la caratterizzazione dei dati
48. Implementazione efficiente dell'induzione orientata agli attributi
49. Confronti tra classi minerarie: discriminazione tra classi diverse
50. Schemi frequenti
51. L'algoritmo Apriori
52. Metodi di mining di set di elementi di frequente efficienti e scalabili
Ogni argomento è completo di diagrammi, equazioni e altre forme di rappresentazioni grafiche per un migliore apprendimento e una rapida comprensione.
Data mining e Data Warehousing fanno parte di corsi di informatica, ingegneria del software, intelligenza artificiale, apprendimento automatico e informatica statistica e corsi di laurea in informatica e gestione aziendale in varie università.
