| Type de fichier | APK |
|---|---|
| Version | 1 |
| Éditeur | EngineeringApps |
| Date de sortie | 16 mai 2020 |
| Date ajoutée | 16 mai 2020 |
| Exigences OS | Android |
| Exigences | Requires Android 4.0 and up |
| Total téléchargements | 0 |
| Prix | $5.00 |
La description
L'application est un manuel complet d'exploration de données et d'entreposage de données qui couvre des sujets importants, des notes, du matériel, des actualités et des blogs sur le cours. Téléchargez l'application en tant que matériel de référence et livre numérique pour les programmes d'informatique, d'IA, de science des données et de génie logiciel et les cursus de gestion d'entreprise.
Cette application utile répertorie 200 sujets avec des notes détaillées, des diagrammes, des équations, des formules et du matériel de cours, les sujets sont répertoriés en 5 chapitres. L'application est indispensable pour tous les étudiants et professionnels en informatique et en génie.
L'application fournit une révision rapide et une référence aux sujets importants comme des notes de carte flash détaillées, il est facile et utile pour l'étudiant ou un professionnel de couvrir rapidement le programme du cours avant un examen ou un entretien pour un emploi.
Suivez votre apprentissage, définissez des rappels, modifiez le matériel d'étude, ajoutez des sujets favoris, partagez les sujets sur les réseaux sociaux.
Vous pouvez également bloguer sur la technologie d'ingénierie, l'innovation, les startups d'ingénierie, les travaux de recherche universitaires, les mises à jour des instituts, des liens informatifs sur les supports de cours et les programmes éducatifs à partir de votre smartphone ou tablette ou sur http://www.engineeringapps.net/.
Utilisez cette application d'ingénierie utile comme tutoriel, livre numérique, guide de référence pour le programme, le matériel de cours, le travail de projet, partagez vos points de vue sur le blog.
Certains des sujets couverts dans l'application sont :
1. Introduction à l'exploration de données
2. Architecture des données
3. Entrepôts de données (DW)
4. Bases de données relationnelles
5. Bases de données transactionnelles
6. Systèmes avancés de données et d'information et applications avancées
7. Fonctionnalités d'exploration de données
8. Classification des systèmes d'exploration de données
9. Primitives de tâche d'exploration de données
10. Intégration d'un système d'exploration de données avec un système DataWarehouse
11. Principaux problèmes de l'exploration de données
12. Problèmes de performances dans le Data Mining
13. Introduction au prétraitement des données
14. Résumé des données descriptives
15. Mesurer la dispersion des données
16. Affichages graphiques des résumés de données descriptives de base
17. Nettoyage des données
18. Données bruyantes
19. Processus de nettoyage des données
20. Intégration et transformation des données
21. Transformation des données
22. Réduction des données
23. Réduction de dimensionnalité
24. Réduction de la numéroté
25. Regroupement et échantillonnage
26. Discrétisation des données et génération de la hiérarchie des concepts
27. Génération de hiérarchie de concepts pour les données catégorielles
28. Introduction aux entrepôts de données
29. Différences entre les systèmes de base de données opérationnels et les entrepôts de données
30. Un modèle de données multidimensionnel
31. Un modèle de données multidimensionnel
32. Architecture d'entrepôt de données
33. Le processus de conception d'un entrepôt de données
34. Une architecture d'entrepôt de données à trois niveaux
35. Outils et utilitaires back-end de l'entrepôt de données
36. Types de serveurs OLAP : ROLAP contre MOLAP contre HOLAP
37. Mise en œuvre de l'entrepôt de données
38. Entreposage de données et exploration de données
39. Du traitement analytique en ligne à l'exploitation minière analytique en ligne
40. Méthodes de calcul du cube de données
41. Agrégation de tableaux multivoies pour le calcul d'un cube complet
42. Star-Cubing : calcul de cubes d'iceberg à l'aide d'une structure dynamique en étoile
43. Pré-calcul des fragments de shell pour un OLAP rapide de grande dimension
44. Exploration pilotée des cubes de données
45. Agrégation complexe à granularité multiple : cubes multi-fonctions
46. Induction axée sur les attributs
47. Induction axée sur les attributs pour la caractérisation des données
48. Mise en œuvre efficace de l'induction axée sur les attributs
49. Comparaisons des classes minières : Discriminer entre différentes classes
50. Modèles fréquents
51. L'algorithme Apriori
52. Méthodes d'extraction d'éléments fréquemment efficaces et évolutives
Chaque sujet est complet avec des diagrammes, des équations et d'autres formes de représentations graphiques pour un meilleur apprentissage et une compréhension rapide.
L'exploration de données et l'entreposage de données font partie des cours d'informatique, de génie logiciel, d'intelligence artificielle, d'apprentissage automatique et de calcul statistique et des programmes d'études en technologie de l'information et en gestion d'entreprise dans diverses universités.
