Data Mining: концепции и методы
Data mining: concepts and techniques
2012-02-01
SCID: 54.1/ynxcqsyc
Discuss with AI
извлечение данныхдобыча данных в графово структурированных данныхобнаружение шаблонов в больших наборах данныхдобыча данных в социальных сетяхдобыча данных из потоков
Figures from the paper
Abstract (AI)
Наша способность генерировать и собирать данные быстро растёт. Не только бизнес-, научные и государственные транзакции теперь оцифрованы, но и широкое распространение цифровых камер, издательских инструментов и штрихкодов также порождает данные. На стороне сбора отсканированные текстовые и графические платформы, спутниковые системы дистанционного зондирования и Всемирная паутина наполнили нас огромным объёмом данных. Этот взрывной рост создал острую потребность в новых методах и автоматизированных инструментах, которые помогут преобразовать эти данные в полезную информацию и знания. Как и первое издание, признанное самым популярным по версии читателей KDnuggets, эта книга исследует концепции и методы обнаружения закономерностей, скрытых в больших наборах данных, с акцентом на их реализуемость, полезность, эффективность и масштабируемость. Со времени выхода первого издания были достигнуты значительные успехи в разработке новых методов, систем и приложений для интеллектуального анализа данных. Это новое издание существенно расширяет первое и включает новые главы, посвящённые недавним разработкам в области добычи сложных типов данных, включая потоковые данные, последовательные данные, графовые структуры, данные социальных сетей и мульти-реляционные данные. Независимо от того, являетесь ли вы опытным специалистом или начинающим студентом в области интеллектуального анализа данных, эта книга предлагает всесторонний практический обзор концепций и методов для извлечения ценности из реальных бизнес-данных; обновления с учётом отзывов читателей, изменений в области и дополнительного материала по статистике и машинному обучению; десятки алгоритмов и примеров реализации в понятном псевдокоде, пригодных для реальных проектов крупномасштабного анализа данных; а также полную поддержку для преподавателей на сопутствующем сайте www.mkp.com/datamining2e.
Key Findings
1
Генерация и сбор данных стремительно выросли в бизнесе, науке и государстве, что создает настоятельную потребность в автоматизированных методах извлечения данных.
2
Книга содержит десятки алгоритмов и примеров реализации в понятном псевдокоде, пригодных для реальных проектов по обработке больших данных.
3
Книга представляет концепции и методы обнаружения закономерностей в больших наборах данных с акцентом на осуществимость, полезность, эффективность и масштабируемость.
4
Это новое издание существенно расширяет первое, добавляя главы по анализу сложных типов данных: потоковых, последовательных, графовых, социальных сетей и многореляционных данных.
5
Обновления учитывают отзывы читателей, достижения в области и расширяют материалы по статистике и машинному обучению, а также включают учебную поддержку на сопутствующем веб-сайте.
Research Object
Большие наборы данных (включая потоковые данные, последовательные данные, граф-структурированные данные, данные социальных сетей и мультиреляционные данные)
Research Subject
Понятийные основы, методы, алгоритмы и практические приёмы обнаружения шаблонов, оценки реализуемости, полезности, эффективности и масштабируемости методов добычи данных для больших и сложных типов данных
Publication Details
Publication Date
2012-02-01
Journal
Publisher
ISSN
Cited by
28583
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai10
Генетические алгоритмы в поиске, оптимизации и машинном обучении1989
Возникновение масштабирования в случайных сетях1999
Greedy function approximation: A gradient boosting machine.2001
Статистическая теория обучения1999
Нейронные сети для распознавания образов1994
Квантование методом наименьших квадратов в PCM1982
Кластеризация данных1999
Авторитетные источники в гиперссылочной среде1999
Распознавание образов и нейронные сети1996
Эффективный алгоритм кластеризации k-средних: анализ и реализация2002
Работы, цитирующие эту статью14
Обзор методов коллаборативной фильтрации2009
Методы машинного обучения и интеллектуального анализа данных в исследовании сахарного диабета2017
Моделирование на основе искусственного интеллекта: методы, приложения и научно-исследовательские проблемы на пути к автоматизированным, интеллектуальным и умным системам2022
К масштабируемым системам аналитики больших данных: технологическое руководство2014
Наука о данных в области кибербезопасности: обзор с точки зрения машинного обучения2020
k-Shape2015
Беспроводные сенсорные сети для мониторинга технического состояния в железнодорожной отрасли: обзор2014
Обзор подходов к интеллектуальному анализу данных в здравоохранении2013
Данные социальных сетей для науки о сохранении природы: методологический обзор2019
Десятилетний обзор умных городов: парадигмы, проблемы и возможности2022
Обзор методов обнаружения аномалий на основе интеллектуального анализа данных и анализа социальных сетей2015
Применение искусственного интеллекта в финансах: обзор2023
Lakehouse: современное состояние концепций и технологий2024
Мультисенсорная метавселенная–6G: новая парадигма торговли и образования2024