Η επιστήμη των δεδομένων μέσα από τη γλώσσα R

 
This item is provided by the institution :

Repository :
Kallipos Repository
see the original item page
in the repository's web site and access all digital files if the item*
share




2015 (EN)
Η επιστήμη των δεδομένων μέσα από τη γλώσσα R (EL)

Βερύκιος, Βασίλειος (EL)
Καγκλής, Βασίλειος (EL)
Σταυρόπουλος, Ηλίας (EL)
Kagklis, Vasileios (EN)
Verykios, Vasileios (EN)
Stavropoulos, Elias (EN)

Φιλώνη, Βαλεντίνα (EL)
Σπανακά, Αδαμαντία (EL)
Καλλές, Δημήτριος (EL)
Κάλλιπος (EL)
Kallipos (EN)
Filoni, Valentina (EN)
Kalles, Dimitrios (EN)
Spanaka, Adamantia (EN)

Η αυξανόμενη συσσώρευση μεγάλων ποσοτήτων δεδομένων δημιουργεί νέες ευκαιρίες στους τομείς: επιστήμη, οικονομία, εκπαίδευση, έρευνα, κ.λ.π. Παλαιότερα είτε η αποθήκευση τέτοιων δεδομένων δεν ήταν εφικτή, είτε η ανάλυσή τους ξεπερνούσε κατά πολύ τις υπολογιστικές δυνατότητες των σύγχρονων υπολογιστικών συστημάτων. Σήμερα που έχει επέλθει η τεχνολογική σύγκλιση στους παραπάνω τομείς υπάρχει ανάγκη για την εκπαίδευση επιστημόνων οι οποίοι θα μπορούν να ανταπεξέλθουν στις σύγχρονες ανάγκες, δίνοντας λύσεις σε σοβαρά ζητήματα μέσω της ευφυούς ανάλυσης δεδομένων. Σκοπός του βιβλίου είναι να καταγράψει τις βασικές αρχές που διέπουν τη νέα αυτήν επιστήμη των δεδομένων, που είναι γνωστή και ως Εξόρυξη Δεδομένων. Το βιβλίο ξεκινάει με την περιγραφή της υπάρχουσας κατάστασης στον τομέα της εξόρυξης γνώσης από τα δεδομένα, τους τομείς στους οποίους αυτή βασίζεται και τις νέες προκλήσεις. Στη συνέχεια καλύπτει ζητήματα πολυδιάστατων δεδομένων και δημιουργίας αναφορών, όπως και ζητήματα νέων μορφών βάσεων δεδομένων, (NoSQL συστήματα). Οι τύποι και η ποιότητα των δεδομένων αποτελούν αναπόσπαστο κομμάτι του βιβλίου που μαζί με την επεξεργασία και τα μέτρα ομοιότητας αποτελούν τη βάση ενός έργου εξόρυξης δεδομένων. Η συνοπτική στατιστική και η οπτικοποίηση αποτελούν το πρώτο βήμα για την εξερεύνηση των δεδομένων. Το κύριο κομμάτι του βιβλίου αφορά τη λεπτομερή περιγραφή και ανάλυση εναλλακτικών αλγορίθμων για την εκπόνηση των βασικών λειτουργιών της Εξόρυξης Δεδομένων οι οποίες είναι η Κατηγοριοποίηση, η Ανάλυση Συσχετίσεων και η Ανάλυση Συστάδων. Πιο προχωρημένα ζητήματα που αφορούν την εκτίμηση των παραγόμενων μοντέλων, τη σύγκρισή τους και τη γρηγορότερη εκτέλεσή τους επίσης καλύπτονται στο τελευταίο κομμάτι του βιβλίου. Όλα τα θέματα αναλύονται σε βάθος μέσω προγραμμάτων στη γλώσσα R. Ένας μεγάλος αριθμός από λυμένες ασκήσεις βοηθούν στην κατανόηση και στην εμπέδωση των εννοιών, ενώ άλυτα προβλήματα θα βοηθήσουν το φοιτητή να αναπτύξει μία ολοκληρωμένη άποψη για το θέμα αυτό. (EL)

learningMaterial
book

ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ (EL)
ΚΑΘΑΡΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ (EL)
ΔΕΝΤΡΑ ΑΠΟΦΑΣΗΣ (EL)
ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ (EL)
ΑΝΑΛΥΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ (EL)
ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ (EL)
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ (EL)
ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ (EL)
ΑΝΑΛΥΣΗ ΜΕΓΑΛΩΝ ΔΕΔΟΜΕΝΩΝ (EL)
ΣΥΣΤΑΔΟΠΟΙΗΣΗ (EL)
ΣΤΑΤΙΣΤΙΚΗ (EL)
Big Data Analytics (EN)
Hadoop (EN)
Data Mining (EN)
Association Rules (EN)
OLAP (EN)
Mapreduce (EN)
Clustering (EN)
Statistics (EN)
Machine Learning (EN)
Data Science (EN)
NoSQL Databases (EN)
Classification (EN)
Decision Trees (EN)
Data Cleaning (EN)

Σύνδεσμος Ελληνικών Ακαδημαϊκων Βιβλιοθηκών (EL)
Hellenic Academic Libraries Link (EN)


Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών (EL)
Hellenic Academic Libraries Link (EN)

2015



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)