| نوع فایل | APK |
|---|---|
| نسخه | 1 |
| ناشر | EngineeringApps |
| تاریخ انتشار | ۱۶ مه ۲۰۲۰ |
| تاریخ اضافه شده | ۱۶ مه ۲۰۲۰ |
| الزامات سیستم عامل | Android |
| الزامات | Requires Android 4.0 and up |
| کل بارگیری ها | ۰ |
| قیمت | $5.00 |
شرح
این برنامه یک کتابچه راهنمای کامل از داده کاوی و انبار داده است که موضوعات مهم، یادداشت ها، مطالب، اخبار و وبلاگ های دوره را پوشش می دهد. برنامه را به عنوان یک ماده مرجع و کتاب دیجیتالی برای علوم کامپیوتر، هوش مصنوعی، علوم داده و برنامه های مهندسی نرم افزار و دوره های درجه مدیریت کسب و کار دانلود کنید.
این برنامه مفید 200 موضوع را با یادداشت های دقیق، نمودارها، معادلات، فرمول ها و مطالب دوره لیست می کند، موضوعات در 5 فصل ذکر شده است. این برنامه باید برای همه دانشجویان و متخصصان علوم کامپیوتر و مهندسی باشد.
این برنامه بازبینی و ارجاع سریع به موضوعات مهم مانند یادداشت های فلش کارت دقیق را فراهم می کند، پوشش سریع برنامه درسی دوره را قبل از امتحان یا مصاحبه شغلی برای دانش آموز یا حرفه ای آسان و مفید می کند.
یادگیری خود را ردیابی کنید، یادآوری ها را تنظیم کنید، مطالب مطالعه را ویرایش کنید، موضوعات مورد علاقه خود را اضافه کنید، موضوعات را در رسانه های اجتماعی به اشتراک بگذارید.
همچنین میتوانید درباره فناوری مهندسی، نوآوری، استارتآپهای مهندسی، کارهای تحقیقاتی کالج، بهروزرسانیهای مؤسسه، پیوندهای اطلاعاتی در مورد مواد درسی و برنامههای آموزشی از تلفن هوشمند یا رایانه لوحی خود یا در http://www.engineeringapps.net/ وبلاگ بنویسید.
از این برنامه مهندسی مفید به عنوان آموزش، کتاب دیجیتال، راهنمای مرجع برای برنامه درسی، مطالب درسی، کار پروژه، به اشتراک گذاری نظرات خود در وبلاگ استفاده کنید.
برخی از موضوعات پوشش داده شده در برنامه عبارتند از:
1. مقدمه ای بر داده کاوی
2. معماری داده
3. انبارهای داده (DW)
4. پایگاه های داده رابطه ای
5. پایگاه داده های معاملاتی
6. داده ها و سیستم های اطلاعاتی پیشرفته و برنامه های کاربردی پیشرفته
7. کارکردهای داده کاوی
8. طبقه بندی سیستم های داده کاوی
9. داده کاوی Task Primitives
10. یکپارچه سازی یک سیستم داده کاوی با یک سیستم انبار داده
11. مسائل عمده در داده کاوی
12. مسائل مربوط به عملکرد در داده کاوی
13. مقدمه ای بر پیش پردازش داده ها
14. خلاصه داده های توصیفی
15. اندازه گیری پراکندگی داده ها
16. نمایش های گرافیکی خلاصه های داده های توصیفی پایه
17. پاکسازی داده ها
18. داده های پر سر و صدا
19. فرآیند پاکسازی داده ها
20. یکپارچه سازی و تبدیل داده ها
21. تبدیل داده ها
22. کاهش داده ها
23. کاهش ابعاد
24. کاهش تعداد
25. خوشه بندی و نمونه گیری
26. گسسته سازی داده ها و ایجاد سلسله مراتب مفهومی
27. مفهوم تولید سلسله مراتب برای داده های طبقه بندی شده
28. مقدمه ای بر انبارهای داده
29. تفاوت بین سیستم های پایگاه داده عملیاتی و انبارهای داده
30. مدل داده چند بعدی
31. مدل داده چند بعدی
32. معماری انبار داده
33. فرآیند طراحی انبار داده
34. معماری انبار داده سه لایه
35. ابزارهای Back-End و Utilities Warehouse Data
36. انواع سرورهای OLAP: ROLAP در مقابل MOLAP در مقابل HOLAP
37. پیاده سازی انبار داده
38. انبار داده تا داده کاوی
39. پردازش تحلیلی روی خط تا استخراج تحلیلی آنلاین
40. روش های محاسبه مکعب داده ها
41. تجمع آرایه چند راهه برای محاسبه کامل مکعب
42. مکعب ستارگان: محاسبه مکعب های کوه یخ با استفاده از ساختار درخت ستاره ای پویا
43. پیش محاسباتی قطعات پوسته برای OLAP سریع با ابعاد بالا
44. کاوش مبتنی بر مکعب داده
45. تجمع پیچیده در دانه بندی چندگانه: مکعب های چند ویژگی
46. القاء ویژگی گرا
47. القاء ویژگی گرا برای خصوصیات داده ها
48. اجرای کارآمد القاء ویژگی گرا
49. مقایسه طبقه معدن: تبعیض بین طبقات مختلف
50. الگوهای مکرر
51. الگوریتم Apriori
52. روش های استخراج مکرر مجموعه آیتم های کارآمد و مقیاس پذیر
هر موضوع با نمودارها، معادلات و اشکال دیگر نمایش های گرافیکی برای یادگیری بهتر و درک سریع کامل است.
Data Mining & Data Warehousing بخشی از دوره های آموزشی علوم کامپیوتر، مهندسی نرم افزار، هوش مصنوعی، یادگیری ماشین و محاسبات آماری و برنامه های درجه فناوری اطلاعات و مدیریت کسب و کار در دانشگاه های مختلف است.
