Avis des lecteurs
Résumé:L'ouvrage est salué pour sa couverture complète et sa profondeur dans divers domaines de l'exploration de données et de l'analyse. Il est considéré comme une ressource précieuse pour les universitaires et les praticiens à la recherche de connaissances théoriques approfondies. Cependant, il n'est pas recommandé aux débutants et présente des problèmes avec les formats physiques et numériques.
Avantages:⬤ Excellente étendue et profondeur des sujets couverts.
⬤ Descriptions détaillées des algorithmes, analyses et pseudo-codes.
⬤ Couverture bien intégrée de divers domaines.
⬤ Cadre théorique solide adapté aux études universitaires.
⬤ Des explications claires et des discussions intuitives sur des sujets complexes.
⬤ Une couverture complète qui inclut à la fois les méthodes d'exploration de données et d'apprentissage automatique.
⬤ Ne convient pas comme premier livre sur le data mining ; mieux vaut le réserver aux apprenants de niveau intermédiaire.
⬤ Certaines descriptions d'algorithmes sont laconiques et peuvent ne pas être faciles à suivre sans connaissances préalables.
⬤ Problèmes de qualité physique, tels que des pages qui se détachent.
⬤ L'édition Kindle présente des formules mal rendues, ce qui les rend illisibles.
(basé sur 19 avis de lecteurs)
Titre original :
Data Mining: The Textbook
Contenu du livre :
Ce manuel explore les différents aspects du data mining, des principes fondamentaux aux types de données complexes et à leurs applications, en tenant compte de la grande diversité des domaines de problèmes liés au data mining. Il va au-delà de la focalisation traditionnelle sur les problèmes de data mining pour introduire des types de données avancés tels que le texte, les séries temporelles, les séquences discrètes, les données spatiales, les données graphiques et les réseaux sociaux. Jusqu'à présent, aucun ouvrage n'a abordé tous ces sujets de manière complète et intégrée. Les chapitres de ce livre se répartissent en trois catégories :
⬤ Chapitres fondamentaux : L'exploration de données comporte quatre problèmes principaux, qui correspondent au regroupement, à la classification, à l'exploration de modèles d'association et à l'analyse des valeurs aberrantes. Ces chapitres traitent de manière exhaustive d'une grande variété de méthodes pour ces problèmes.
⬤ Chapitres sur les domaines : Ces chapitres traitent des méthodes spécifiques utilisées pour différents domaines de données tels que les données textuelles, les données chronologiques, les données séquentielles, les données graphiques et les données spatiales.
Chapitres sur les applications : Ces chapitres étudient des applications importantes telles que l'exploration de flux, l'exploration du web, le classement, les recommandations, les réseaux sociaux et la préservation de la vie privée. Les chapitres consacrés aux domaines ont également une saveur appliquée.
Approprié pour les cours d'introduction et les cours avancés de data mining, Data Mining : Le manuel équilibre les détails mathématiques et l'intuition. Il contient les détails mathématiques nécessaires aux professeurs et aux chercheurs, mais il est présenté dans un style simple et intuitif pour améliorer l'accessibilité aux étudiants et aux praticiens industriels (y compris ceux qui ont un bagage mathématique limité). De nombreuses illustrations, exemples et exercices sont inclus, l'accent étant mis sur des exemples sémantiquement interprétables.
Éloge du Data Mining : The Textbook -.
"En lisant ce livre, j'ai déjà décidé de l'utiliser dans mes cours. Il s'agit d'un livre écrit par un chercheur exceptionnel qui a apporté des contributions fondamentales à l'exploration de données, d'une manière qui est à la fois accessible et à jour. Le livre est complet, avec de la théorie et des cas d'utilisation pratiques. C'est un ouvrage indispensable pour les étudiants et les professeurs ! "Qiang Yang, titulaire de la chaire d'informatique et d'ingénierie à l'université des sciences et technologies de Hong Kong.
"Il s'agit de l'ouvrage le plus étonnant et le plus complet sur l'exploration de données. Il couvre non seulement les problèmes fondamentaux, tels que le regroupement, la classification, les valeurs aberrantes et les motifs fréquents, et les différents types de données, y compris les textes, les séries chronologiques, les séquences, les données spatiales et les graphiques, mais aussi diverses applications, telles que les recommandeurs, le Web, les réseaux sociaux et la protection de la vie privée. Il s'agit d'un excellent ouvrage pour les étudiants de troisième cycle et les chercheurs, ainsi que pour les praticiens". -- Philip S. Yu, professeur distingué de l'UIC et titulaire de la chaire Wexler en technologie de l'information à l'université de l'Illinois à Chicago.
Autres informations sur le livre :
| ISBN : | 9783319381169 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
