| Filtyp | APK |
|---|---|
| Version | 1 |
| Utgivare | EngineeringApps |
| Utgivningsdatum | 16 maj 2020 |
| Datum tillagt | 16 maj 2020 |
| Os krav | Android |
| Krav | Requires Android 4.0 and up |
| Totalt antal nedladdningar | 0 |
| Pris | $5.00 |
Beskrivning
Appen är en komplett handbok för Data mining & Data Warehousing som täcker viktiga ämnen, anteckningar, material, nyheter och bloggar på kursen. Ladda ner appen som referensmaterial och digital bok för datavetenskap, AI, datavetenskap och programvaruteknik och företagsledningskurser.
Denna användbara app listar 200 ämnen med detaljerade anteckningar, diagram, ekvationer, formler och kursmaterial, ämnena listas i 5 kapitel. Appen är ett måste för alla datavetenskaps- och ingenjörsstudenter och proffs.
Appen ger snabb revidering och referens till viktiga ämnen som detaljerade anteckningar på flashkort, det gör det enkelt och användbart för studenten eller en professionell att täcka kursplanen snabbt innan en tentamen eller intervju för jobb.
Spåra ditt lärande, ställ in påminnelser, redigera studiematerialet, lägg till favoritämnen, dela ämnen på sociala medier.
Du kan också blogga om ingenjörsteknik, innovation, tekniska startups, högskoleforskningsarbete, institutuppdateringar, informativa länkar om kursmaterial och utbildningsprogram från din smartphone eller surfplatta eller på http://www.engineeringapps.net/.
Använd denna användbara ingenjörsapp som din handledning, digital bok, en referensguide för kursplan, kursmaterial, projektarbete, dela dina åsikter på bloggen.
Några av de ämnen som tas upp i appen är:
1. Introduktion till datautvinning
2. Dataarkitektur
3. Data-Warehouses (DW)
4. Relationsdatabaser
5. Transaktionsdatabaser
6. Avancerade data- och informationssystem och avancerade applikationer
7. Data Mining-funktioner
8. Klassificering av datautvinningssystem
9. Data Mining Task Primitives
10. Integrering av ett Data Mining System med ett DataWarehouse System
11. Stora frågor inom datautvinning
12. Prestandaproblem i Data Mining
13. Introduktion till Data Preprocess
14. Beskrivande datasammanfattning
15. Mätning av dataspridningen
16. Grafiska visningar av grundläggande beskrivande datasammanfattningar
17. Datarensning
18. Bullriga data
19. Datarensningsprocess
20. Dataintegration och -transformation
21. Datatransformation
22. Dataminskning
23. Dimensionalitetsminskning
24. Antalsminskning
25. Klustring och provtagning
26. Datadiskretisering och begreppshierarkigenerering
27. Generering av koncepthierarki för kategoriska data
28. Introduktion till datalager
29. Skillnader mellan operativa databassystem och datalager
30. En multidimensionell datamodell
31. En multidimensionell datamodell
32. Data Warehouse Architecture
33. Processen för design av datalager
34. En datalagerarkitektur i tre nivåer
35. Data Warehouse Back-end-verktyg och verktyg
36. Typer av OLAP-servrar: ROLAP kontra MOLAP kontra HOLAP
37. Implementering av datalager
38. Datalager till datautvinning
39. On-Line analytisk bearbetning till on-line analytisk gruvdrift
40. Metoder för datakubberäkning
41. Multiway Array Aggregation för full kubberäkning
42. Star-Cubing: Beräkna isbergskuber med hjälp av en dynamisk stjärnträdstruktur
43. Förberäkning av skalfragment för snabb högdimensionell OLAP
44. Driven Exploration of Data Cubes
45. Komplex aggregation med multipel granularitet: Flerfunktionskuber
46. Attributorienterad induktion
47. Attributorienterad induktion för datakarakterisering
48. Effektiv implementering av attributorienterad induktion
49. Jämförelser av gruvklasser: Diskriminering mellan olika klasser
50. Frekventa mönster
51. Apriori-algoritmen
52. Effektiva och skalbara gruvmetoder som ofta innehåller artiklar
Varje ämne är komplett med diagram, ekvationer och andra former av grafiska representationer för bättre inlärning och snabb förståelse.
Data mining & Data Warehousing är en del av datavetenskap, programvaruteknik, AI, Machine learning & Statistical Computing utbildningskurser och utbildningar i informationsteknologi & företagsledning vid olika universitet.
