| نوع الملف | APK |
|---|---|
| الإصدار | 1.1 |
| الناشر | PapershipApp |
| يوم الاصدار | ٠٨/٠٥/٢٠٢٠ |
| تم إضافة التاريخ | ٠٨/٠٥/٢٠٢٠ |
| متطلبات نظام التشغيل | Android |
| المتطلبات | Requires Android 4.1 and up |
| إجمالي التنزيلات | ٠ |
| السعر | Free |
وصف
التنقيب عن البيانات هو عملية اكتشاف الأنماط في مجموعات البيانات الكبيرة التي تتضمن طرقًا عند تقاطع التعلم الآلي والإحصاءات وأنظمة قواعد البيانات. يعد استخراج البيانات مجالًا فرعيًا متعدد التخصصات لعلوم الكمبيوتر والإحصاءات بهدف عام لاستخراج المعلومات (باستخدام الأساليب الذكية) من مجموعة البيانات وتحويل المعلومات إلى بنية مفهومة لمزيد من الاستخدام. التنقيب عن البيانات هو خطوة التحليل لعملية "اكتشاف المعرفة في قواعد البيانات" أو KDD. بصرف النظر عن خطوة التحليل الأولية ، فإنها تتضمن أيضًا جوانب إدارة قاعدة البيانات والبيانات ، والمعالجة المسبقة للبيانات ، واعتبارات النموذج والاستدلال ، ومقاييس الاهتمام ، واعتبارات التعقيد ، والمعالجة اللاحقة للهياكل المكتشفة ، والتصور ، والتحديث عبر الإنترنت.
مصطلح "التنقيب عن البيانات" تسمية خاطئة ، لأن الهدف هو استخراج الأنماط والمعرفة من كميات كبيرة من البيانات ، وليس استخراج (تعدين) البيانات نفسها. إنها أيضًا كلمة طنانة ويتم تطبيقها بشكل متكرر على أي شكل من أشكال معالجة البيانات أو المعلومات على نطاق واسع (الجمع والاستخراج والتخزين والتحليل والإحصاءات) بالإضافة إلى أي تطبيق لنظام دعم قرارات الكمبيوتر ، بما في ذلك الذكاء الاصطناعي (على سبيل المثال ، الجهاز التعلم) وذكاء الأعمال. تم تسمية كتاب التنقيب عن البيانات: أدوات وتقنيات التعلم الآلي العملية باستخدام Java (التي تغطي في الغالب مواد التعلم الآلي) في الأصل فقط التعلم الآلي العملي ، وتمت إضافة مصطلح التنقيب عن البيانات لأسباب تسويقية فقط. غالبًا ما تكون المصطلحات الأكثر عمومية (النطاق الواسع) تحليل وتحليلات البيانات ، أو عند الإشارة إلى الأساليب الفعلية ، يكون الذكاء الاصطناعي والتعلم الآلي أكثر ملاءمة.
مهمة التنقيب عن البيانات الفعلية هي التحليل شبه التلقائي أو التلقائي لكميات كبيرة من البيانات لاستخراج أنماط غير معروفة سابقًا ومثيرة للاهتمام مثل مجموعات سجلات البيانات (تحليل الكتلة) ، والسجلات غير العادية (اكتشاف الشذوذ) ، والتبعيات (التنقيب في قواعد الارتباط ، تعدين النمط المتسلسل). يتضمن هذا عادةً استخدام تقنيات قواعد البيانات مثل المؤشرات المكانية. يمكن بعد ذلك النظر إلى هذه الأنماط كنوع من ملخص لبيانات الإدخال ، ويمكن استخدامها في مزيد من التحليل أو ، على سبيل المثال ، في التعلم الآلي والتحليلات التنبؤية. على سبيل المثال ، قد تحدد خطوة استخراج البيانات مجموعات متعددة في البيانات ، والتي يمكن استخدامها بعد ذلك للحصول على نتائج تنبؤ أكثر دقة من خلال نظام دعم القرار. لا يعد جمع البيانات أو إعداد البيانات أو تفسير النتائج وإعداد التقارير جزءًا من خطوة استخراج البيانات ، ولكنها تنتمي إلى عملية KDD الشاملة كخطوات إضافية.
يتم إنشاء مستودع البيانات من خلال دمج البيانات من مصادر غير متجانسة متعددة.
وهو يدعم التقارير التحليلية والاستفسارات المنظمة و/أو المخصصة واتخاذ القرار. يتبنى هذا البرنامج التعليمي نهجًا تدريجيًا لشرح جميع المفاهيم الضرورية لتخزين البيانات.
المجموعات التعليمية للفئات موجودة أدناه وتقدم كل موضوع مثل ،
نظرة عامة على مستودع البيانات
مفاهيم مستودع البيانات
عمليات نظام مستودع البيانات
هندسة مستودع البيانات
مصطلحات مستودع البيانات
عملية تسليم مستودع البيانات
مستودع البيانات OLAP متعدد الأبعاد
مخططات مستودع البيانات
اختبار مستودع البيانات
الجوانب المستقبلية لمخازن البيانات
أسئلة مقابلة مستودع البيانات
استراتيجية تقسيم مستودع البيانات
مفاهيم البيانات الوصفية لمستودع البيانات
تخزين البيانات في مستودع البيانات
مدراء نظام مستودع البيانات
مدراء عمليات مستودع البيانات
أمن مستودع البيانات
ضبط مستودع البيانات
واشياء أخرى عديدة
