Data Science Foundations: Data Mining
Год выпуска: 2016
Производитель: Lynda
Сайт производителя: www.lynda.com
Автор: Barton Poulson
Продолжительность: 04:41:18
Тип раздаваемого материала: Видеоурок
Язык: Английский
Описание: Все данные науки начинается с хорошими данными. Интеллектуальный анализ данных является основой для сбора, поиска и фильтрации необработанных данных в систематическом материи, обеспечивая вас есть чистые данные с самого начала. Она также позволяет анализировать большие наборы данных, а также получить в наиболее значимой, полезной информации. Этот курс, Наука Data Foundations: интеллектуальный анализ данных, предназначена для обеспечения прочной точкой входа для всех инструментов, приемов и тактического мышления позади интеллектуального анализа данных.
All data science begins with good data. Data mining is a framework for collecting, searching, and filtering raw data in a systematic matter, ensuring you have clean data from the start. It also helps you parse large data sets, and get at the most meaningful, useful information. This course, Data Science Foundations: Data Mining, is designed to provide a solid point of entry to all the tools, techniques, and tactical thinking behind data mining.
Barton Poulson covers data sources and types, the languages and software used in data mining (including R and Python), and specific task-based lessons that help you practice the most common data-mining techniques: text mining, data clustering, association analysis, and more. This course is an absolute necessity for those interested in joining the data science workforce, and for those who need to obtain more experience in data mining.
Содержание
├── 001 Welcome.mp4
├── 002 Who should watch this course.mp4
├── 003 Exercise files.mp4
├── 004 Data mining prerequisites.mp4
├── 005 Algorithm prerequisites.mp4
├── 006 Software prerequisites.mp4
├── 007 Goals of data reduction.mp4
├── 008 Data for data reduction.mp4
├── 009 Data reduction in R.mp4
├── 010 Data reduction in Python.mp4
├── 011 Data reduction in Orange.mp4
├── 012 Data reduction in RapidMiner.mp4
├── 013 Clustering goals.mp4
├── 014 Clustering data.mp4
├── 015 Clustering in R.mp4
├── 016 Clustering in Python.mp4
├── 017 Clustering in BigML.mp4
├── 018 Clustering in Orange.mp4
├── 019 Classification goals.mp4
├── 020 Classification data.mp4
├── 021 Classification in R.mp4
├── 022 Classification in Python.mp4
├── 023 Classification in RapidMiner.mp4
├── 024 Classification in KNIME.mp4
├── 025 Anomaly detection goals.mp4
├── 026 Anomaly detection data.mp4
├── 027 Anomaly detection in R.mp4
├── 028 Anomaly detection in Python.mp4
├── 029 Anomaly detection in BigML.mp4
├── 030 Anomaly detection in RapidMiner.mp4
├── 031 Association analysis goals.mp4
├── 032 Association analysis data.mp4
├── 033 Association analysis in R.mp4
├── 034 Association analysis in Python.mp4
├── 035 Association analysis in Orange.mp4
├── 036 Association analysis in KNIME.mp4
├── 037 Regression analysis goals.mp4
├── 038 Regression analysis data.mp4
├── 039 Regression analysis in R.mp4
├── 040 Regression analysis in Python.mp4
├── 041 Regression analysis in KNIME.mp4
├── 042 Regression analysis in RapidMiner.mp4
├── 043 Sequence mining goals.mp4
├── 044 Sequence mining algorithms.mp4
├── 045 Sequence mining in R.mp4
├── 046 Sequence mining in Python.mp4
├── 047 Sequence mining in BigML - Part 1.mp4
├── 048 Sequence mining in BigML - Part 2.mp4
├── 049 Text mining goals.mp4
├── 050 Text mining algorithms.mp4
├── 051 Text mining in R.mp4
├── 052 Text mining in Python.mp4
├── 053 Text mining in RapidMiner.mp4
├── 054 Next steps.mp4
└── Ex_Files_DSF_DataMining.zip
Файлы примеров: отсутствуют
Формат видео: MP4
Видео: AVC, 1280x720 (16:9), 15.000 fps, ~150 Kbps avg, 0.011 bit/pixel
Аудио: 48.0 KHz, AAC LC, 2 ch, ~160 Kbps
