| Tipo de archivo | APK |
|---|---|
| Versión | 1 |
| Editor | EngineeringApps |
| Fecha de lanzamiento | 16 may 2020 |
| Fecha Agregada | 16 may 2020 |
| Requisitos del sistema operativo | Android |
| Requisitos | Requires Android 4.0 and up |
| Descargas totales | 0 |
| Precio | $5.00 |
Descripción
La aplicación es un manual completo de minería de datos y almacenamiento de datos que cubre temas importantes, notas, materiales, noticias y blogs en el curso. Descargue la aplicación como material de referencia y libro digital para programas de informática, IA, ciencia de datos e ingeniería de software y cursos de grado en gestión empresarial.
Esta útil aplicación enumera 200 temas con notas detalladas, diagramas, ecuaciones, fórmulas y material del curso, los temas se enumeran en 5 capítulos. La aplicación es imprescindible para todos los estudiantes y profesionales de informática e ingeniería.
La aplicación proporciona una revisión rápida y una referencia a los temas importantes, como notas detalladas en una tarjeta flash, hace que sea fácil y útil para el estudiante o un profesional cubrir el plan de estudios del curso rápidamente antes de un examen o una entrevista de trabajo.
Realice un seguimiento de su aprendizaje, establezca recordatorios, edite el material de estudio, agregue temas favoritos, comparta los temas en las redes sociales.
También puede bloguear sobre tecnología de ingeniería, innovación, nuevas empresas de ingeniería, trabajo de investigación universitaria, actualizaciones de institutos, enlaces informativos sobre materiales de cursos y programas educativos desde su teléfono inteligente o tableta o en http://www.engineeringapps.net/.
Utilice esta útil aplicación de ingeniería como tutorial, libro digital, guía de referencia para el plan de estudios, material del curso, trabajo de proyecto, y comparta sus puntos de vista en el blog.
Algunos de los temas tratados en la aplicación son:
1. Introducción a la minería de datos
2. Arquitectura de datos
3. Almacenes de datos (DW)
4. Bases de datos relacionales
5. Bases de datos transaccionales
6. Sistemas Avanzados de Datos e Información y Aplicaciones Avanzadas
7. Funcionalidades de minería de datos
8. Clasificación de los Sistemas de Minería de Datos
9. Primitivas de tareas de minería de datos
10. Integración de un Sistema de Minería de Datos con un Sistema de Almacén de Datos
11. Problemas principales en la minería de datos
12. Problemas de rendimiento en minería de datos
13. Introducción al preproceso de datos
14. Resumen de datos descriptivos
15. Medición de la dispersión de datos
16. Visualizaciones gráficas de resúmenes de datos descriptivos básicos
17. Limpieza de datos
18. Datos ruidosos
19. Proceso de limpieza de datos
20. Integración y transformación de datos
21. Transformación de datos
22. Reducción de datos
23. Reducción de dimensionalidad
24. Reducción de numerosidad
25. Agrupación y muestreo
26. Discretización de datos y generación de jerarquías de conceptos
27. Generación de jerarquía de conceptos para datos categóricos
28. Introducción a los almacenes de datos
29. Diferencias entre los sistemas de bases de datos operativas y los almacenes de datos
30. Un modelo de datos multidimensional
31. Un modelo de datos multidimensional
32. Arquitectura del almacén de datos
33. El proceso de diseño del almacén de datos
34. Una arquitectura de almacén de datos de tres niveles
35. Herramientas y utilidades de back-end de almacén de datos
36. Tipos de Servidores OLAP: ROLAP versus MOLAP versus HOLAP
37. Implementación del almacén de datos
38. De almacenamiento de datos a minería de datos
39. Procesamiento analítico en línea a minería analítica en línea
40. Métodos para el cálculo de cubos de datos
41. Agregación de arreglos multivía para computación de cubo completo
42. Star-Cubing: computación de cubos de iceberg utilizando una estructura dinámica de árbol estelar
43. Fragmentos de shell de precomputación para OLAP rápido de alta dimensión
44. Exploración impulsada de cubos de datos
45. Agregación compleja en granularidad múltiple: cubos de características múltiples
46. Inducción orientada a atributos
47. Inducción orientada a atributos para la caracterización de datos
48. Implementación eficiente de la inducción orientada a atributos
49. Comparaciones de clases mineras: discriminación entre diferentes clases
50. Patrones frecuentes
51. El algoritmo a priori
52. Métodos de minería de elementos frecuentes eficientes y escalables
Cada tema se completa con diagramas, ecuaciones y otras formas de representaciones gráficas para un mejor aprendizaje y una rápida comprensión.
La minería de datos y el almacenamiento de datos forman parte de los cursos de educación en informática, ingeniería de software, IA, aprendizaje automático y computación estadística y programas de licenciatura en tecnología de la información y gestión empresarial en varias universidades.
