| Filtype | APK |
|---|---|
| Version | 1 |
| Forlægger | EngineeringApps |
| Udgivelses dato | 16. maj 2020 |
| Dato tilføjet | 16. maj 2020 |
| Os krav | Android |
| Krav | Requires Android 4.0 and up |
| Samlet antal downloads | 0 |
| Pris | $5.00 |
Beskrivelse
Appen er en komplet håndbog i Data mining & Data Warehousing, som dækker vigtige emner, noter, materialer, nyheder og blogs på kurset. Download appen som referencemateriale og digital bog til datalogi, AI, datavidenskab og softwareingeniørprogrammer og uddannelser i forretningsledelse.
Denne nyttige app viser 200 emner med detaljerede noter, diagrammer, ligninger, formler og kursusmateriale, emnerne er opført i 5 kapitler. Appen er et must for alle datalogi- og ingeniørstuderende og -professionelle.
App'en giver hurtig revision og reference til vigtige emner som en detaljeret flashkortnoter, den gør det nemt og nyttigt for den studerende eller en professionel at dække kursets pensum hurtigt før en eksamen eller jobsamtale.
Spor din læring, sæt påmindelser, rediger studiematerialet, tilføj favoritemner, del emnerne på sociale medier.
Du kan også blogge om ingeniørteknologi, innovation, ingeniørstartups, universitetsforskningsarbejde, institutopdateringer, informative links om kursusmaterialer og uddannelsesprogrammer fra din smartphone eller tablet eller på http://www.engineeringapps.net/.
Brug denne nyttige ingeniørapp som din tutorial, digitale bog, en referencevejledning til pensum, kursusmateriale, projektarbejde, deling af dine synspunkter på bloggen.
Nogle af de emner, der er dækket i appen, er:
1. Introduktion til Data mining
2. Dataarkitektur
3. Datavarehuse (DW)
4. Relationelle databaser
5. Transaktionsdatabaser
6. Avancerede data- og informationssystemer og avancerede applikationer
7. Data Mining-funktioner
8. Klassificering af dataminingsystemer
9. Primitiver til datamineopgave
10. Integration af et Data Mining System med et DataWarehouse System
11. Større problemer i datamining
12. Ydelsesproblemer i Data Mining
13. Introduktion til Data Preprocess
14. Deskriptiv dataopsummering
15. Måling af spredningen af data
16. Grafiske visninger af grundlæggende beskrivende dataresuméer
17. Datarensning
18. Støjende data
19. Datarensningsproces
20. Dataintegration og -transformation
21. Datatransformation
22. Datareduktion
23. Dimensionalitetsreduktion
24. Talreduktion
25. Klyngning og prøveudtagning
26. Datadiskretisering og koncepthierarkigenerering
27. Koncepthierarkigenerering for kategoriske data
28. Introduktion til datavarehuse
29. Forskelle mellem operationelle databasesystemer og datavarehuse
30. En multidimensionel datamodel
31. En multidimensionel datamodel
32. Datavarehusarkitektur
33. Processen med datavarehusdesign
34. En tredelt datavarehusarkitektur
35. Data Warehouse Back-End værktøjer og hjælpeprogrammer
36. Typer af OLAP-servere: ROLAP versus MOLAP versus HOLAP
37. Implementering af datavarehus
38. Data Warehousing til Data Mining
39. On-Line analytisk behandling til on-line analytisk minedrift
40. Metoder til datakubberegning
41. Multiway Array Aggregation for Full Cube Computation
42. Star-Cubing: Beregning af isbjergterninger ved hjælp af en dynamisk stjernetræstruktur
43. Forberegning af Shell-fragmenter til hurtig højdimensionel OLAP
44. Drevet udforskning af datakuber
45. Kompleks aggregation med multiple granularitet: Multifunktionskuber
46. Attributorienteret induktion
47. Attributorienteret induktion til datakarakterisering
48. Effektiv implementering af egenskabsorienteret induktion
49. Mineklassesammenligninger: Diskriminering mellem forskellige klasser
50. Hyppige mønstre
51. Apriori-algoritmen
52. Effektive og skalerbare minedriftsmetoder med hyppige artikler
Hvert emne er komplet med diagrammer, ligninger og andre former for grafiske repræsentationer for bedre indlæring og hurtig forståelse.
Data mining & Data Warehousing er en del af datalogi, software engineering, AI, Machine learning & Statistical Computing uddannelseskursus og informationsteknologi & business management uddannelser på forskellige universiteter.
