| फ़ाइल का प्रकार | APK |
|---|---|
| संस्करण | 1.1 |
| प्रकाशक | PapershipApp |
| रिलीज़ की तारीख | 8 मई 2020 |
| तारीख संकलित हुई | 8 मई 2020 |
| ओएस आवश्यकताओं | Android |
| आवश्यकताएँ | Requires Android 4.1 and up |
| कुल डाउनलोड | 0 |
| कीमत | Free |
विवरण
डेटा माइनिंग मशीन लर्निंग, स्टैटिस्टिक्स और डेटाबेस सिस्टम के चौराहे पर विधियों को शामिल करते हुए बड़े डेटा सेट में पैटर्न की खोज करने की प्रक्रिया है। डेटा माइनिंग कंप्यूटर विज्ञान और सांख्यिकी का एक अंतःविषय उपक्षेत्र है जिसका एक समग्र लक्ष्य डेटा सेट से जानकारी (बुद्धिमान तरीकों से) निकालना और आगे के उपयोग के लिए जानकारी को एक बोधगम्य संरचना में बदलना है। डेटा माइनिंग "डेटाबेस में ज्ञान की खोज" प्रक्रिया या केडीडी का विश्लेषण चरण है। कच्चे विश्लेषण कदम के अलावा, इसमें डेटाबेस और डेटा प्रबंधन पहलू, डेटा पूर्व-प्रसंस्करण, मॉडल और अनुमान विचार, दिलचस्पता मीट्रिक, जटिलता विचार, खोजी गई संरचनाओं की पोस्ट-प्रोसेसिंग, विज़ुअलाइज़ेशन और ऑनलाइन अपडेटिंग शामिल हैं।
शब्द "डेटा माइनिंग" एक मिथ्या नाम है, क्योंकि लक्ष्य बड़ी मात्रा में डेटा से पैटर्न और ज्ञान का निष्कर्षण है, न कि डेटा का निष्कर्षण (खनन) स्वयं। यह एक चर्चा का विषय भी है और इसे अक्सर बड़े पैमाने पर डेटा या सूचना प्रसंस्करण (संग्रह, निष्कर्षण, भंडारण, विश्लेषण, और सांख्यिकी) के किसी भी रूप में लागू किया जाता है, साथ ही कृत्रिम बुद्धिमत्ता (जैसे, मशीन) सहित कंप्यूटर निर्णय समर्थन प्रणाली के किसी भी अनुप्रयोग पर लागू किया जाता है। लर्निंग) और बिजनेस इंटेलिजेंस। पुस्तक डेटा माइनिंग: जावा के साथ प्रैक्टिकल मशीन लर्निंग टूल्स और तकनीक (जिसमें ज्यादातर मशीन लर्निंग सामग्री शामिल है) को मूल रूप से केवल प्रैक्टिकल मशीन लर्निंग नाम दिया जाना था, और डेटा माइनिंग शब्द को केवल मार्केटिंग कारणों से जोड़ा गया था। अक्सर अधिक सामान्य शब्द (बड़े पैमाने पर) डेटा विश्लेषण और विश्लेषण या, वास्तविक तरीकों का जिक्र करते समय, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग अधिक उपयुक्त होते हैं।
वास्तविक डेटा माइनिंग कार्य पहले से अज्ञात, दिलचस्प पैटर्न जैसे डेटा रिकॉर्ड के समूह (क्लस्टर विश्लेषण), असामान्य रिकॉर्ड (विसंगति का पता लगाना), और निर्भरता (एसोसिएशन रूल माइनिंग) को निकालने के लिए बड़ी मात्रा में डेटा का अर्ध-स्वचालित या स्वचालित विश्लेषण है। अनुक्रमिक पैटर्न खनन)। इसमें आमतौर पर डेटाबेस तकनीकों जैसे स्थानिक सूचकांकों का उपयोग करना शामिल है। इन पैटर्नों को तब इनपुट डेटा के एक प्रकार के सारांश के रूप में देखा जा सकता है, और इसका उपयोग आगे के विश्लेषण में या उदाहरण के लिए, मशीन लर्निंग और प्रेडिक्टिव एनालिटिक्स में किया जा सकता है। उदाहरण के लिए, डेटा माइनिंग चरण डेटा में कई समूहों की पहचान कर सकता है, जिसका उपयोग निर्णय समर्थन प्रणाली द्वारा अधिक सटीक भविष्यवाणी परिणाम प्राप्त करने के लिए किया जा सकता है। न तो डेटा संग्रह, डेटा तैयार करना, न ही परिणाम व्याख्या और रिपोर्टिंग डेटा माइनिंग चरण का हिस्सा है, लेकिन अतिरिक्त चरणों के रूप में समग्र केडीडी प्रक्रिया से संबंधित है।
कई विषम स्रोतों से डेटा को एकीकृत करके एक डेटा वेयरहाउस का निर्माण किया जाता है।
यह विश्लेषणात्मक रिपोर्टिंग, संरचित और/या तदर्थ प्रश्नों और निर्णय लेने का समर्थन करता है। यह ट्यूटोरियल डेटा वेयरहाउसिंग की सभी आवश्यक अवधारणाओं को समझाने के लिए चरण-दर-चरण दृष्टिकोण अपनाता है।
श्रेणियों के ट्यूटोरियल संग्रह नीचे हैं और सभी विषय प्रदान करते हैं जैसे,
डेटा वेयरहाउस अवलोकन
डेटा वेयरहाउस अवधारणाएं
डेटा वेयरहाउस सिस्टम प्रक्रियाएं
डेटा वेयरहाउस आर्किटेक्चर
डेटा वेयरहाउस शब्दावली
डेटा वेयरहाउस डिलीवरी प्रक्रिया
डेटा वेयरहाउस बहुआयामी OLAP
डेटा वेयरहाउस योजनाएं
डेटा वेयरहाउस परीक्षण
डेटा वेयरहाउस भविष्य के पहलू
डेटा वेयरहाउस साक्षात्कार प्रश्न
डेटा वेयरहाउस विभाजन रणनीति
डेटा वेयरहाउस मेटाडेटा अवधारणाएं
डेटा वेयरहाउस डेटा मार्टिंग
डेटा वेयरहाउस सिस्टम मैनेजर
डेटा वेयरहाउस प्रक्रिया प्रबंधक
डेटा वेयरहाउस सुरक्षा
डेटा वेयरहाउस ट्यूनिंग
गंभीर प्रयास
