
เนื่องในวันครูแห่งชาติปี 2019 ดาค้า คิวบ์ขอมอง E-book เรื่อง An Introduction to Data Mining Techniques (ฉบับภาษาไทย) ซึ่งสามารถเปิดอ่านได้ใน App Ookbee
สารบัญ
- บทที่ 1 การวิเคราะห์ข้อมูลด้วยเทคนิค ดาต้า ไมน์นิง (Data Mining)
- 1.1 แนะนำการวิเคราะห์ข้อมูลด้วยเทคนิคดาต้า ไมน์นิง (Data Mining)
- ความหมายของดาต้า ไมน์นิง
- การประยุกต์ใช้งานดาต้า ไมน์นิง
- 1.2 ข้อมูลในรูปแบบต่างๆ
- ข้อมูลแบบมีโครงสร้าง (structured data)
- ข้อมูลแบบไม่มีโครงสร้าง (unstructured data)
- 1.3 เทคนิคในการวิเคราะห์ข้อมูลด้วยดาต้า ไมน์นิง
- เทคนิคการเรียนรู้แบบไม่มีผู้สอน (unsupervised learning)
- เทคนิคการเรียนรู้แบบมีผู้สอน (supervised learning)
- บทที่ 2 การหากฎความสัมพันธ์ (Association Rules)
- กฎความสัมพันธ์และการประยุกต์ใช้งาน
- เทคนิคในการหากฎความสัมพันธ์ด้วยวิธี Apriori
- บทที่ 3 การแบ่งกลุ่มข้อมูล (Clustering)
- การแบ่งกลุ่มข้อมูลและการประยุกต์ใช้งาน
- การหาระยะห่างระหว่างข้อมูล (distance function)
- เทคนิคการแบ่งกลุ่มข้อมูลด้วยวิธี K-Means
- เทคนิคการแบ่งกลุ่มข้อมูลด้วยวิธี Agglomerative Clustering
- บทที่ 4 การจำแนกประเภทข้อมูล (Classification)
- การจำแนกประเภทข้อมูลและการประยุกต์ใช้งาน
- ตัววัดประสิทธิภาพของโมเดลการจำแนกประเภทข้อมูล
- การแบ่งข้อมูลเพื่อการวัดประสิทธิภาพของโมเดลการจำแนกประเภทข้อมูล
- เทคนิคการจำแนกประเภทข้อมูลด้วยวิธี Decision Tree
- เทคนิคการจำแนกประเภทข้อมูลด้วยวิธี Naive Bayes
- เทคนิคการจำแนกประเภทข้อมูลด้วยวิธี K-Nearest Neighbors (K-NN)
- เทคนิคการจำแนกประเภทข้อมูลด้วยวิธี Neural Network
- บทที่ 5 กระบวนการวิเคราะห์ข้อมูลด้วยCRISP-DM
- แนะนำกระบวนการวิเคราะห์ข้อมูล CRISP-DM
- Business Understanding
- Data Understanding
- Data Preparation
- Modeling
- Evaluation
- Deployment
- ตัวอย่างการใช้งาน CRISP-DM ในการแนะนำสาขาวิชาให้กับนักศึกษา
ท่านใดสนใจรบกวนกรอกข้อมูลในฟอร์มด้านล่างได้เลยครับ
หมายเหตุ เนื่องจากโปรโมชันนี้มีจำนวนจำกัดหลังจากได้รับ Promotion Code แล้วกรุณากรอกทันทีครับ ไม่เช่นนั้นอาจจะหมดก่อนครับ
ส่วนท่านใดต้องการหนังสือเล่มนี้ในรูปแบบเล่ม (hard copy) สามารถสั่งจองได้ที่หน้า “An Introduction to Data Mining Techniques (ฉบับภาษาไทย)” ครับ