Εξόρυξη πληροφορίας
Ένας εισαγωγικός οδηγός με παραδείγματα
Data Mining : A Tutorial-Based Primer (τίτλος πρωτοτύπου)
Κυκλοφορεί
ISBN: 978-960-461-206-2
Κλειδάριθμος, Αθήνα, 12/2008
1η έκδ.
Γλώσσα: Ελληνική, Νέα
Γλώσσα πρωτοτύπου: Αγγλικά
€ 49.40 (περ. ΦΠΑ 24%)
Βιβλίο, Χαρτόδετο
17 x 24 εκ., 1,066 γρ., 560 σελ.
Περιγραφή

Ο μοναδικός αυτός οδηγός σάς επιτρέπει να εφαρμόσετε στην πράξη τις γνώσεις που αποκομίζετε!

Καλύπτει τα πιο επίκαιρα τρέχοντα ζητήματα!

Συνοδεύεται από μια δοκιμαστική έκδοση 180 ημερών του προγράμματος Intelligent Data Analyzer (iDA), που σας επιτρέπει να κατασκευάζετε και να ελέγχετε μοντέλα εξόρυξης πληροφορίας μέσα από πειράματα.

Την επιστημονική επιμέλεια της ελληνικής έκδοσης πραγματοποίησαν οι Γ. Ευαγγελίδης (Παν. Μακεδονίας), Ν. Σαμαράς (Παν. Μακεδονίας) και Δ. Δέρβος (ΑΤΕΙ Θεσ/νίκης).

Μεταξύ πολλών άλλων, το βιβλίο περιλαμβάνει τα ακόλουθα:
Κεφ. 1: Τι μπορούν να μάθουν οι υπολογιστές, Καθοδηγούμενη εκμάθηση, Μη καθοδηγούμενη συσταδοποίηση, Ένα απλό μοντέλο διαδικασίας εξόρυξης πληροφορίας, Συγκέντρωση δεδομένων κ.ά.
Κεφ. 2: Τεχνικές καθοδηγούμενης εξόρυξης πληροφορίας, Κανόνες συσχετισμού, Τεχνικές συσταδοποίησης, Αξιολόγηση απόδοσης, Αξιολόγηση μοντέλων καθοδηγούμενης εκμάθησης.
Κεφ. 3: Δένδρα αποφάσεων, Δημιουργία κανόνων συσχετισμού, Αλγόριθμος K-Means..
Κεφ. 4: Το iData Analyzer, ESX, Μορφή iDAV για εξόρυξη πληροφορίας, Μια προσέγγιση πέντε βημάτων για μη καθοδηγούμενη Συσταδοποίηση, Τεχνικές δημιουργίας κανόνων.
Κεφ. 5: Ένα μοντέλο διαδικασίας KDD, Το μοντέλο επεξεργασίας CRISP-DM, Πειραματισμός με το ESX 205.
Κεφ. 6: Επιχειρησιακές βάσεις δεδομένων, Σχεδίαση αποθήκης δεδομένων, Αναλυτική επεξεργασία άμεσης επικοινωνίας, Συγκεντρωτικοί πίνακες του Excel για ανάλυση δεδομένων.
Κεφ. 7: Εργαλεία αξιολόγησης, Υπολογισμός διαστημάτων εμπιστοσύνης του συνόλου δεδομένων ελέγχου, Σύγκριση μοντέλων καθοδηγούμενης εκμάθησης.
Κεφ. 8: Νευρωνικά δίκτυα με τροφοδότηση προς τα εμπρός, Εκπαίδευση νευρωνικών δικτύων: Μια εννοιολογική θεώρηση, Επεξήγηση νευρωνικών δικτύων.
Κεφ. 9: Προσέγγιση 4 βημάτων για εκμάθηση με οπισθοδιάδοση, Προσέγγιση τεσσάρων βημάτων για συσταδοποίηση νευρωνικών Δικτύων, Το ESX για ανάλυση συστάδων νευρωνικών δικτύων.
Κεφ. 10: Ανάλυση γραμμικής παλινδρόμησης, Λογιστική παλινδρόμηση, Κατηγοριοποιητής Bayes, Αλγόριθμοι συσταδοποίησης, Ευρετικές μέθοδοι ή στατιστικές τεχνικές;
Κεφ. 11: Ανάλυση χρονοσειρών, Εξόρυξη στον Παγκόσμιο Ιστό, Εξόρυξη πληροφορίας από κείμενο.
Κεφ. 12: Εξερεύνηση της τεχνητής νοημοσύνης, Η επίλυση προβλημάτων ως αναζήτηση σε χώρους καταστάσεων, Έμπειρα συστήματα, Δόμηση ενός συστήματος που βασίζεται σε κανόνες.
Κεφ. 13: Αβεβαιότητα: Πηγές και λύσεις, Ασαφή συστήματα που βασίζονται σε κανόνες 459
Ασαφή σύνολα, Προσέγγιση της αβεβαιότητας με κανόνες.
Κεφ. 14: Χαρακτηριστικά των ευφυών πρακτόρων, Τύποι πρακτόρων, Συνδυασμός εξόρυξης πληροφορίας, έμπειρων συστημάτων, και ευφυών πρακτόρων.


Add: 2014-01-01 00:00:00 - Upd: 2022-02-08 11:01:02