|
|
| [참고서] 데이터 마이닝 개념과 기법 (3판) (에이콘 데이터 과학 시리즈) [절판] |
|
|
| | | ㆍ판매가 | 47,500 원 (5%, 2,500 원 할인) | | | | | | | ㆍ872 쪽 | 188*250*42mm/1708g | ISBN : 9788960777026 | | |
|
|
|
|   이 책은 대량의 데이터셋에서 의미있는 패턴을 발견하는데 필요한 데이터 마이닝 이론과 실제적용 사례에 대해 설명한다. 실제 데이터 마이닝 프로젝트를 수행하는 분석가라면 기본적으로 알고 있어야 하는 다양한 알고리즘과 이에 대한 구현 사례를 예로 들어 설명했다. 또한 데이터웨어하우스, 데이터 큐브기술, 소셜네트워크/공간/멀티미디어 등의 복잡한 데이터를 분석하기 위한 기술에 대해서도 소개한다. 객체관계형 DB, 공간 데이터, 멀티미디어 데이터, 시계열 데이터, 텍스트 데이터, 월드와이드웹과 몇몇 주제에 대한 응용분야를 포함한 고급 마이닝 방법까지도 설명한다. 데이터를 분석하는 데 필요한 분석 컨셉과 기술을 포괄적이고 실용적으로 설명해 데이터 마이닝의 길잡이가 될 필독서다.☞ 선정내역
- 2016년 대한민국학술원 우수학술도서 |
 1장 소개
1.1 왜 데이터 마이닝인가?
1.1.1 정보화시대로 이동
1.1.2 정보기술의 진보된 형태로서의 데이터 마이닝
1.2 데이터 마이닝의 의미
1.3 어떠한 종류의 데이터를 마이닝할 수 있나?
1.3.1 데이터베이스 데이터
1.3.2 데이터웨어하우스
1.3.3 거래 데이터
1.3.4 다른 종류의 데이터
1.4 어떤 종류의 패턴을 마이닝할 수 있는가?
1.4.1 클래스/개념 설명: 특성화와 차별화
1.4.2 빈발 패턴 마이닝, 연관성 분석, 상관 분석
1.4.3 예측 분석을 위한 분류와 회귀 분석
1.4.4 군집 분석
1.4.5 이상치 분석
1.4.6 모든 패턴이 흥미 있는가?
1.5 어떤 기술이 사용되는가?
1.5.1 통계학
1.5.2 기계학습
1.5.3 데이터베이스 시스템과 데이터웨어하우스
1.5.4 정보 검색
1.6 어떤 종류의 애플리케이션을 대상으로 하는가?
1.6.1 비즈니스 인텔리전스
1.6.2 웹 검색 엔진
1.7 데이터 마이닝의 주요 이슈사항
1.7.1 마이닝 밥법
1.7.2 사용자 상호작용
1.7.3 효율성과 확장성
1.7.4 데이터베이스 유형의 다양성
1.7.5 데이터 마이닝과 관련 모임
1.8 정리
1.9 연습문제
1.10 참고문헌
2장 데이터 알아두기
2.1 데이터 객체와 속성 유형
2.1.1 속성의 의미
2.1.2 명목 속성
2.1.3 이진 속성
2.1.4 서수 속성
2.1.5 숫자 속성
2.1.6 이산형 대 연속형 속성
2.2 데이터에 대한 기술통계
2.2.1 중앙 경향을 측정: 평균, 중위수, 최빈값
2.2.2 데이터의 분포를 측정: 범위, 사분위수, 분산, 표준편차, 사분위 범위
2.2.3 데이터 기초 통계설명에 대한 그래픽 디스플레이
2.3 데이터 시각화
2.3.1 픽셀지향 시각화 기술
2.3.2 기하학 투시 시각화 기술
2.3.3 아이콘 기반 시각화 기술
2.3.4 계층적 가시화 기술
2.3.5 복잡한 데이터와 관계의 가시화 방법
2.4 데이터 유사도와 비유사성의 측정
2.4.1 데이터 행렬 대 차이 행렬
2.4.2 명목 속성의 유사도 측정
2.4.3 이진 속성의 유사도 측정
2.4.4 수치형 데이터의 유사도(민코브스키 거리)
2.4.5 서열 속성에 대한 유사도 측정
2.4.6 혼합 유형 속성에 대한 차이
2.4.7 코사인 유사도
2.5 정리
2.6 연습문제
2.7 참고문헌
3장 데이터 전처리
3.1 데이터 전처리: 개요
3.1.1 데이터 품질: 왜 데이터 전처리를 하는가?
3.1.2 데이터 전처리 주요 작업
3.2 데이터 클리닝
3.2.1 결측치
3.2.2 노이즈 데이터
3.2.3 프로세스로서 데이터 클리닝
3.3 데이터 통합
3.3.1 엔티티 확인 문제
3.3.2 중복과 상관관계 분석
3.3.3 튜플 복사
3.3.4 데이터 값 충돌 감지와 해결
3.4 데이터 감소
3.4.1 데이터 감소 전략
3.4.2 웨이브렛 변환
3.4.3 주성분 분석
3.4.4 속성 부분집합 선택
3.4.5 회귀모형과 로그선형모형: 모수 데이터 축소
3.4.6 히스토그램
3.4.7 클러스터링
3.4.8 샘플링
3.4.9 데이터 큐브 합계
3.5 데이터 변환과 데이터 이산화
3.5.1 데이터 변환 전략
3.5.2 정규화에 의한 데이터 변환
3.5.3 비닝에 의한 구분
3.5.4 히스토그램에 의한 구분
3.5.5 클러스터링, 의사결정나무, 상관 분석에 의한 구분
3.5.6 명목 데이터에 대한 개념계층 생성
3.6 정리
3.7 연습문제
3.8 참고문헌
4장 데이터웨어하우스와 OLAP
4.1 데이터웨어하우스: 기본 개념
4.1.1 데이터웨어하우스란?
4.1.2 업무 데이터베이스와 데이터웨어하우스의 차이
4.1.3 왜 별도로 데이터웨어하우스가 필요한가?
4.1.4 DataWarehousing: A Multitiered Architecture
4.1.5 데이터웨어하우스 모델: 엔터프라이즈 웨어하우스, 데이터마트, 가상 웨어하우스
4.1.6 추출, 변환, 로딩
4.1.7 메타 데이터 저위치
4.2 데이터웨어하우스 모델링: 데이터 큐브와 OLAP
4.2.1 데이터 큐브: 다차원 데이터 모형
4.2.4 스타, 눈송이, 팩트별자리: 다차원 데이터 모형을 위한 스키마
4.2.3 차원: 개념계층의 역할
4.2.4 측도: 범주화와 계산
4.2.5 전형적인 OLAP 작업
4.2.6 다차원 데이터베이스 쿼리를 위한 스타넷 쿼리모형
4.3 데이터웨어하우스 설계와 사용
4.3.1 데이터웨어하우스 설계를 위한 비즈니스 분석 프레임워크
4.3.2 데이터웨어하우스 설계 프로세스
4.3.3 정보처리를 위한 데이터웨어하우스 사용
4.3.4 온라인 분석프로세싱에서 다차원 데이터 마이닝까지
4.4 데이터웨어하우스 구현
4.4.1 데이터 큐브의 효율적인 계산: 개요
|
|
|  | 현재 데이터 마이닝 개념과 기법 (3판) (에이콘 데이터 과학 시리즈)에 등록된 서평이 없습니다. |  |
|
|
|
