Bücher von Khalid Balar

Oggi un gran numero di aziende si sta rendendo conto della ricchezza contenuta nei propri dati e si sta interrogando sul valore delle tecniche di implementazione. Le aziende hanno accesso a un numero sempre maggiore di dati. A causa della grande quantità di informazioni disponibili, può essere molto difficile dare un senso a enormi volumi di dati strutturati e non strutturati al fine di implementare progetti di miglioramento per l'intera azienda.Questo libro si concentra su 2 tecniche di Datamining (supervisionate e non supervisionate) quali: alberi decisionali, regressione, reti neurali e macchine a vettori di supporto (SVM), analizzando l'ambiente in cui ciascuna tecnica viene utilizzata, i vantaggi, gli svantaggi e le conseguenze della scelta di una di queste tecniche per estrarre informazioni predittive nascoste da grandi database e le modalità di implementazione di ciascuna tecnica.Infine, il documento presenta alcune preziose raccomandazioni nel campo del Dataminig.

Hoy en día, un gran número de empresas están tomando conciencia de la riqueza que contienen sus datos y se están cuestionando el valor de aplicar técnicas. Las empresas tienen acceso a cada vez más datos. Debido a la enorme cantidad de información disponible, puede resultar muy difícil dar sentido a enormes volúmenes de datos estructurados y no estructurados para poner en marcha proyectos de mejora para toda la empresa.Este libro se centra en 2 técnicas de Datamining (supervisadas y no supervisadas) como son: árboles de decisión, regresión, redes neuronales y máquinas de vectores soporte (SVM). Se centra en el entorno en el que se utiliza cada técnica, las ventajas, desventajas y consecuencias de elegir una de estas técnicas para extraer información predictiva oculta de grandes bases de datos y cómo se implementa cada técnica.Por último, el artículo presenta algunas valiosas recomendaciones en el campo de la Dataminig.

Segodnq mnogie kompanii osoznaüt bogatstwo swoih dannyh i zadaütsq woprosom o celesoobraznosti wnedreniq metodik. Kompanii poluchaüt dostup ko wse bol'shemu kolichestwu dannyh. Iz-za ogromnogo kolichestwa dostupnoj informacii bywaet ochen' trudno razobrat'sq w ogromnyh ob#emah strukturirowannyh i nestrukturirowannyh dannyh, chtoby realizowat' proekty po uluchsheniü raboty wsej kompanii.Dannaq kniga poswqschena dwum metodam Datamining (kontroliruemym i nekontroliruemym), takim kak: derew'q reshenij, regressiq, nejronnye seti i mashiny opornyh wektorow (SVM). V nej rassmatriwaetsq sreda, w kotoroj ispol'zuetsq kazhdyj metod, preimuschestwa, nedostatki i posledstwiq wybora odnogo iz ätih metodow dlq izwlecheniq skrytoj prognoznoj informacii iz bol'shih baz dannyh, a takzhe sposoby realizacii kazhdogo metoda.Nakonec, w stat'e predstawleny nekotorye cennye rekomendacii w oblasti Dataminig.

Heutzutage werden sich viele Unternehmen des Reichtums, der in ihren Daten steckt, bewusst und fragen sich, ob sich die Implementierung von Techniken lohnt. Unternehmen haben Zugang zu immer mehr Daten. Aufgrund der großen Menge an verfügbaren Informationen kann es sehr schwierig sein, riesige Mengen an strukturierten und unstrukturierten Daten zu erfassen, um Verbesserungsprojekte für das gesamte Unternehmen umzusetzen.Dieses Buch konzentriert sich auf 2 Datamining-Techniken (überwachte und nicht überwachte) wie: Entscheidungsbäume, Regression, neuronale Netze und Support Vector Machines (SVM)...es wird sich auf die Anwendungsumgebung jeder Technik konzentriert, die Vorteile,Nachteile und Konsequenzen der Wahl eines dieser technischen Elemente, um verborgene prädiktive Informationen aus großen Datenbanken zu extrahieren, und die Art und Weise, wie jede Technik implementiert wird.Schließlich stellte das Dokument einige wertvolle Elemente Empfehlungen im Bereich Dataminig vor.

Today, a large number of companies are becoming aware of the wealth contained in their data, and are questioning the value of implementing techniques. Companies have access to ever more data. The sheer quantity of information available can make it very difficult to apprehend huge volumes of structured and unstructured data in order to implement company-wide improvement projects.This book focuses on 2 Datamining techniques (supervised and unsupervised) such as: decision trees, regression, neural networks and support vector machines (SVM)...we focus on the environment of use of each technique, the advantages,disadvantages and consequences of choosing one of these technical elements to extract hidden predictive information from large databases and how to implement each technique.Finally, the paper presented some valuable recommendations in the Dataminig field.

Aujourd¿hui, un grand nombre d¿entreprises prennent conscience de la richesse contenue dans leurs données et s¿interrogent quant à l¿intérêt de la mise en ¿uvre des techniques. Les entreprises ont accès à toujours plus de données. En raison de la grande quantité d'informations disponibles, il peut être très difficile d'appréhender d'énormes volumes de données structurées et non structurées afin de mettre en ¿uvre des projets d'amélioration pour l'ensemble de l'entreprise.Ce livre se concentre sur 2 techniques de Datamining (supervisées et non supervisées) telles que : arbres de décision, régression, réseaux de neurones et machines à vecteurs de support (SVM)...on se focalise sur l'environnement d'utilisation de chaque technique, les avantages,les inconvénients et les conséquences du choix de l'un de ces éléments techniques pour extraire des informations prédictives cachées à partir de grandes bases de données et les modalités de mise en ¿uvre de chaque technique. Enfin, le document a présenté quelques éléments précieux recommandations dans le domaine Dataminig.

Atualmente, um grande número de empresas está a tomar consciência da riqueza contida nos seus dados e questiona o valor da implementação de técnicas. As empresas têm acesso a cada vez mais dados. Devido à grande quantidade de informação disponível, pode ser muito difícil dar sentido a grandes volumes de dados estruturados e não estruturados, de modo a implementar projectos de melhoria para toda a empresa.Este livro centra-se em 2 técnicas de Datamining (supervisionadas e não supervisionadas), tais como: árvores de decisão, regressão, redes neuronais e máquinas de vectores de suporte (SVM), focando o ambiente em que cada técnica é utilizada, as vantagens, desvantagens e consequências da escolha de uma destas técnicas para extrair informações preditivas ocultas de grandes bases de dados e a forma como cada técnica é implementada.Finalmente, o artigo apresenta algumas recomendações valiosas no domínio da Dataminig.