معرفی و دانلود کتاب انبار داده‌ها و داده کاوی

معرفی کتاب انبار داده‌ها و داده کاوی

در اختیار داشتن انبار داده‌ها برای یک سازمان در تصمیم‌گیری‌های مدیریتی و تحلیل اطلاعات اهمیت بسیاری دارد. مهدی اسماعیلی در کتاب انبار داده‌ها و داده کاوی از یکپارچه‌سازی داده‌ها و روش‌های دسته‌بندی آن و بسیاری مهارت‌های دیگر با شما سخن خواهد گفت.

درباره‌ی کتاب انبار داده‌ها و داده کاوی

انباشته شدن داده‌ها در یک سازمان بدون داشتن یک انبار داده، بهره‌مندی از داده‌های مفید را به تعویق می‌اندازد و درعین‌حال سبب رشد بی‌رویه‌ی داده‌های غیر سودمند خواهد شد. در حقیقت هدف اصلی از ایجاد یک انبار داده آسان کردن فرآیند تصمیم‌گیری و افزایش دانش افراد در این زمینه است. در کتاب انبار داده‌ها و داده کاوی با روش‌های داده‌کاوی و کاوش و تحلیل اطلاعات سازمانی آشنا می‌شوید و می‌آموزید چطور میان دریایی از اطلاعات، سودمندترین‌ها را پیدا کنید.

چیزی که سبب می‌شود نیاز به وجود انبار داده‌ها در میان سازمان‌های مختلف بیش از پیش احساس شود، حجم بالای داده‌ها و سرعت تولید و تنوع آن‌هاست که روش‌های سنتی را ناکارآمد کرده است. درنهایت رشد چشمگیر حجم داده‌ها به مکانیزه شدن جوامع انجامیده و نیاز به توسعه‌ی ابزارهای جمع‌آوری و نگهداری داده‌ها را افزایش داده است.

کتاب حاضر در 10 فصل تدوین شده و به زبانی ساده و همه‌فهم به معرفی مفاهیم پایه‌ی داده‌کاوی، آماده‌سازی داده‌ها و ایجاد انبار داده‌ها می‌پردازد. در این اثر روش دسته‌بندی داده‌ها را می‌آموزید و درباره‌ی مباحث تخصصی و مهمی چون متن‌کاوی، وب‌کاوی، گراف‌کاوی و کاوش میان داده‌های چندرسانه‌ای و فضایی اطلاعات جامعی کسب می‌کنید.

کتاب انبار داده‌ها و داده کاوی، نوشته‌ی مهدی اسماعیلی، از سوی موسسه فرهنگی هنری دیباگران تهران منتشر شده است.

کتاب انبار داده‌ها و داده کاوی مناسب چه کسانی است؟

مخاطبان اصلی این کتاب مدیران سازمان‌هایی هستند که مایل‌اند اطلاعات شرکت خود را به‌شکل منسجم و برنامه‌ریزی شده، تحلیل و ارزیابی کنند.

در بخشی از کتاب انبار داده‌ها و داده کاوی می‌خوانیم

کیفیت داده‌های ورودی در ساده‌ترین تحلیل‌ها تا ساخت مدل‌های پیچیده یکی از کلیدهای موفقیت انجام یک پروژه داده‌کاوی به حساب می‌آید. با توجه به این نکته که مقدار و پیچیدگی داده‌ها روز به روز رو به افزایش است، توانایی مدل برای تولید نتایج خوب و به‌دردبخور به طور کامل به داده‌های خوب و درست ورودی متکی است. اغلب در کاربردهای عملی تقریباً 80 درصد از سعی و تلاش انجام شده برای مهندسی داده‌ها، صرف آماده‌سازی داده‌ها می‌شود و این اهمیت موضوع را به طور کامل مشخص می‌کند. به طور مثال در بسیاری از شاخه‌های علم کامپیوتر نظیر تشخیص الگو، بازیابی اطلاعات، یادگیری ماشین و همچنین داده‌کاوی، آماده‌سازی داده‌ها به وسیله پردازش‌های قبل از اجرا، یک نیاز اصلی محسوب می‌شود.

انتخاب داده‌های مناسب به منظور به‌دست‌آوردن کارایی حداکثر و پردازش حداقل از اهداف کلی مرحله آماده‌سازی داده‌ها به شمار می‌آید. بنابراین با داده‌های درست و کامل و در عین حال کم، الگوریتم‌های داده‌کاوی سریعتر و موثرتر به الگوی مورد نظر می‌رسند و نتایج حاصل از آن قابل فهم‌تر و راحت‌تر برای کاربر خواهد بود. آماده‌سازی یا به عبارتی دیگر پیش‌پردازش داده‌ها متکی به ماهیت داده‌ها و نوع تحلیل بر روی آن‌هاست، بنابراین با شناخت داده‌ها می‌توان روش مناسبی برای آماده‌سازی داده‌ها انتخاب کرد. بدین ترتیب لازم است در ابتدا مشخصات اصلی داده‌ها را با انواع مختلفی از تحلیل‌های آماری بدست آورید.

فهرست مطالب کتاب

فصل اول: مقدمه‌ای بر داده‌کاوی
فصل دوم: آماده‌سازی داده‌ها
فصل سوم: انبارش داده‌ها
فصل چهارم: الگوهای مکرر و قوانین انجمنی
فصل پنجم: مباحث پیشرفته در قوانین انجمنی
فصل ششم: دسته‌بندی: مفاهیم پایه
فصل هفتم: روش‌های دسته‌بندی
فصل هشتم: خوشه‌بندی
فصل نهم: مباحث پیشرفته در خوشه‌بندی
فصل دهم: روندها و مرزهای تحقیق
منابع و مراجع