کشف دانش در داده‌ها ۲۰۱۴
Discovering Knowledge in Data 2014

حوزه‌ی داده‌کاوی در تقاطع تحلیل پیش‌بینانه، تحلیل آماری و هوش تجاری قرار دارد. با توجه به پیچیدگی و حجم روزافزون مجموعه‌داده‌ها و گستره‌ی وسیع کاربردها در علوم کامپیوتر، تجارت و بهداشت و درمان، فرایند کشف دانش در داده‌ها بیش از هر زمان دیگری اهمیت یافته است.

این کتاب ابزارهای لازم برای موفقیت در دنیای کلان‌داده‌ی امروز را در اختیار شما قرار می‌دهد. نویسنده نشان می‌دهد چگونه می‌توان از پایگاه‌های داده‌ی موجود یک شرکت برای افزایش سود و سهم بازار بهره برد و جدیدترین روش‌ها و فنون علم داده را به دقت شرح می‌دهد. خواننده از طریق انجام عملی داده‌کاوی، به “یادگیری داده‌کاوی با انجام داده‌کاوی” خواهد پرداخت. با افزودن فصل‌هایی در مورد آماده‌سازی مدل‌سازی داده، جایگذاری داده‌های گمشده و تحلیل آماری چندمتغیره، *کشف دانش در داده‌ها، ویرایش دوم* همچنان مرجع برجسته‌ی داده‌کاوی باقی می‌ماند.

• ویرایش دوم یک مرجع بسیار تحسین‌شده و موفق در زمینه‌ی داده‌کاوی، با پوشش کامل کاربردهای کلان‌داده، تحلیل پیش‌بینانه و تحلیل آماری.
• شامل فصل‌های جدیدی در مورد آمار چندمتغیره، آماده‌سازی داده‌ها برای مدل‌سازی، جایگذاری داده‌های گمشده و یک ضمیمه در مورد خلاصه‌سازی و مصورسازی داده‌ها.
• ارائه‌ی پوشش گسترده‌ای از زبان برنامه‌نویسی آماری R.
• شامل 280 تمرین در انتهای هر فصل.
• شامل یک وب‌سایت همراه برای اساتید دانشگاهی که این کتاب را به عنوان منبع درسی انتخاب می‌کنند.

The field of data mining lies at the confluence of predictive analytics, statistical analysis, and business intelligence. Due to the ever-increasing complexity and size of data sets and the wide range of applications in computer science, business, and health care, the process of discovering knowledge in data is more relevant than ever before.

This book provides the tools needed to thrive in today’s big data world. The author demonstrates how to leverage a company’s existing databases to increase profits and market share, and carefully explains the most current data science methods and techniques. The reader will “learn data mining by doing data mining”. By adding chapters on data modelling preparation, imputation of missing data, and multivariate statistical analysis, Discovering Knowledge in Data, Second Edition remains the eminent reference on data mining.

• The second edition of a highly praised, successful reference on data mining, with thorough coverage of big data applications, predictive analytics, and statistical analysis.
• Includes new chapters on Multivariate Statistics, Preparing to Model the Data, and Imputation of Missing Data, and an Appendix on Data Summarization and Visualization
• Offers extensive coverage of the R statistical programming language
• Contains 280 end-of-chapter exercises
• Includes a companion website for university instructors who adopt the book