کتاب داده کاوی (مفاهیم و تکنیک ها) ژیاوی هان | اسماعیلی

کتاب داده کاوی (مفاهیم و تکنیک ها) تألیف ژیاوی هان، میشلین کمبر و ژان پی و ترجمه ی دکترمهدی اسماعیلی توسط نشر نیاز دانش به چاپ رسیده است.

داده یکی از مؤلفه های ارزشمند دنیای امروزی تلقی می شود و بدون شک جمع آوری و تحلیل داده ها برای سازمان ها و شرکت ها و حتی زندگی روزمره ی افراد سودمند است. پیشرفت هایی که در رسانه ها و ابزارهای ذخیره سازی داده ها صورت گرفته است، دغدغه ما را در زمینه ی جمع آوری و نگهداری داده ها تا حدودی حل نموده است اما مسئله، تحلیل این داده هاست. یکی ار علومی که بی شک در دنیا از اهمیت خاصی برخوردار است داده کاوی است. این کتاب مقدمه ای بر موضوع داده کاوی است که گاه با عنوان کشف دانش از داده ها نیز شناخته می شود. داده کاوی حوزه ی جدیدی تلقی می شود که به سرعت در حال رشد است. این کتاب بر روی مفاهیم و تکنیک های اصلی داده کاوی متمرکز می شود به طوری که با کمک آن ها می توان الگوهای جالبی را از داده ها و در برنامه های کاربردی متفاوت کشف نمود. تاکید این اثر بر روی تکنیک هایی است که جهت توسعه ی ابزارها ی داده کاوی موثر و کارا و مقیاس پذیر از آن ها استفاده می شود. در این کتاب خواهیم آموخت که چرا تقاضا برای داده کاوی افزایش یافته است و چرا بخشی از سیر تکامل تکنولوژی اطلاعات تلقی می شود و به جنبه های زیادی در زمینه داده کاوی خواهد پرداخت؛ نوع داده هایی که می توانند کاوش شوند، گونه هایی از دانش که نتیجه کاوش است، تکنولوژی هایی که در این زمینه استفاده می شوند و برنامه های کاربردی که در آن ها از داده کاوی استفاده شده است .

کتاب "داده کاوی مفاهیم و تکنیک ها" دارای سیزده فصل  می باشد: 1- مقدمه فصل 2- شناخت داده ها فصل 3- پیش پردازش داده ها فصل 4- انبارش داده ها و پردازش تحلیلی بر خط فصل 5- تکنولوژی مکعب داده ها فصل 6-کاوش الگوهای مکرر و مشارکت ها و همبستگی ها 7- مباحث پیشرفته در کاوش الگو 8- دسته بندی: مفاهیم پایه فصل 9- دسته بندی: روش های پیشرفته فصل 10- تحلیل خوشه: مفاهیم پایه و روش ها فصل 11- روش های پیشرفته تحلیل خوشه فصل 12- شناسایی داده های پرت 13- روندها و رمزهای تحقیق در حوزه ی داده کاوی

فهرست

فصل 1- مقدمه 1-1 چرا داده کاوی؟ 1-1-1حرکت به سوی عصر اطلاعات 1-1-2داده کاوی به عنوان سیر تکاملی فن آوری اطلاعات 1-2 داده کاوی چیست؟ 1-3 چه نوعی از داده کاوش نمی شوند؟ 1-3-1داده های پایگاه داده ها 1-3-2انبارهای داده 1-3-3داده های تراکنشی 1-3-4گونه های دیگر داده ها 1-4 چه نوعی از الگوها کاوش می شوند؟ 1-4-1توصیف و تفکیک 1-4-2کاوش الگوهای مکرر، مشارکت ها و وابستگی ها 1-4-3دسته بندی و رگرسیون برای تحلیل پیشگویی 1-4-4تحلیل خوشه 1-4-5تحلیل داده های پرت 1-4-6آیا کلیه الگوها جالب هستند؟ 1-5 کدام فن آوری ها استفاده می شوند؟ 1-5-1آمار 1-5-2یادگیری ماشین 1-5-3سیستم های پایگاه داده ها و انبارهای داده 1-5-4بازیابی اطلاعات 1-6 هدف داده کاوی کدام نوع از برنامه های کاربردی است؟ 1-6-1هوش تجاری 1-6-2موتورهای جستجوی وب 1-7 موضوعات عمده در داده کاوی 1-7-1 متدولوژی کاوش 1-7-2تعامل کاربر (دخالت کاربر) 1-7-3کارآمد بودن و قابلیت مقیاس پذیری 1-7-4تنوع گونه های پایگاه داده ها 1-7-5داده کاوی و جامعه 1-8 خلاصه 1-9 تمرین ها فصل 2- شناخت داده ها 2-1 نمونه و انواع صفات خاصه 2-1-1 یک صفت خاصه چیست؟ 2-1-2 صفت خاصه اسمی 2-1-3 صفات خاصه دودویی 2-1-4 صفات خاصه ترتیبی 2-1-5 صفات خاصه عددی 2-1-6 صفات خاصه  گسسته در برابر پیوسته 2-2 آمار توصیفی 2-2-1 محاسبه شاخص های مرکزی: میانگین، میانه و مد 2-2-2 محاسبه ی شاخص های پراکندگی داده ها 2-2-3 نمایش گرافیکی آمار توصیفی 2-3 مصور سازی داده ها 2-3-1 روش های مصور سازس پیکسل گرا 2-3-2 تکنیک های تصویر کرن هندسی 2-3-3 تکنیک های مصور سازی مبتنی بر شمایل 2-3-4 تکنیک های سلسله مراتبی مصور سازی 2-3-5 مصور سازی داده ها و روابط پیچیده 2-4 محاسبه ی تشابه و عدم تشابه 2-4-1 ماتریس داده ها در مقابل ماتریس عدم تشابه 2-4-2 محاسبه ی همسایگی برای صفات خاصه ی اسمی 2-4-3 محاسبه ی همسایگی برای صفات خاشه دودویی 2-4-4 عدم تشابه داده های عددی: فاصله ی مینکوفسکی 2-4-5 محاسبه ی همسایگی برای صفات خاصه ی ترتیبی 2-4-6 محاسبه ی عدم تشابه برای مخلوطی از انواع صفات خاصه 2-4-7 تشابه کسینوسی 2-5 خلاصه 6-2 تمرین ها فصل 3- پیش پردازش داده ها 3-1 مروری بر پیش پردازش داده ها 3-1-1 کیفیت داده ها: چرا پیش پردازش داده ها؟ 3-1-2 وظایف اصلی در پیش پردازش داده ها 3-2 پالایش داده ها 3-2-1 مقادیر ناموجود 3-2-2 داده های نویزدار 3-2-3 پالایش داده ها به عنوان یک فرایند 3-3 یکپارچه سازی داده ها 3-3-1 مشکل شناسایی موجودیت 3-3-2 افزونگی و تحلیل همبستگی 3-3-3 تکرار تاپل 3-3-4 تشخیص و حل تصادم میان مقادیر داده ها 3-4 کاهش داده ها 3-4-1 مروری بر راهبردهای  کاهش داده ها 3-4-2 تبدیل های موجک 3-4-3 تحلیل مولفه های اصلی 3-4-4 انتخاب زیر مجموعه ای از صفات خاصه 3-4-5 رگرسیون ومدل های لگاریتمی - خطی: کاهش پارامتری داده ها 3-4-6 هیستوگرام ها 3-4-7 خوشه بندی 3-4-8 نمونه گیری 3-4-9 تجمیع در مکعب داده ها 3-5 تبدیل داده ها و گسسته سازی داده ها 3-5-1 مروری اجمالی برروی راهبردهای تبدیل داده ها 3-5-2 تبدیل داده ها با کمک نرمال سازی 3-5-3 گسسته سازی با کمک بسته بندی 3-5-4 گسسته سازی با تحلیل هیستوگرام 3-5-5 گسسته سازی با کمک خوشه بندی، درخت تصمیم و تحلیل همبستگی 3-5-6 ایجاد سلسله مراتب مفهومی برای داده های اسمی 3-6 خلاصه 3-7 تمرین ها فصل 4- انبارش داده ها و پردازش تحلیلی بر خط فصل 5- تکنولوژی مکعب داده ها فصل 6- کاوش الگوهای مکرر و مشارکت ها و همبستگی ها: مفاهیم پایه و روش ها فصل 7- مباحث پیشرفته در کاوش الگو فصل 8- دسته بندی: مفاهیم پایه فصل 9- دسته بندی: روش های پیشرفته فصل 10- تحلیل خوشه: مفاهیم پایه و روش ها فصل 11- روش های پیشرفته تحلیل خوشه فصل 12- شناسایی داده های پرت فصل 13- روندها و رمزهای تحقیق در حوزه ی داده کاوی

• ویرایش سوم
• مؤلفان: ژیاوی هان - میشلین کمبر - ژان پی
• مترجم: دکتر مهدی اسماعیلی
• انتشارات: نیاز دانش