lo adottano, in 1 ateneo2 docenti · 1 corso di laurea
Scheda libro
Titolo
Introduction to data mining
Autori
Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar
Editore
Pearson, 2020
Edizione
2020
ISBN
9780273769224
Lingua
Inglese
Pagine
859
Tipo
Manuale universitario
Studio
≈ 9,5 settimane
Cosa si studia con questo libro Tan – Introduction to Data Mining: di cosa parla
Introduzione al data mining firmata da Tan e altri autori, che presenta concetti, algoritmi e tecniche per estrarre conoscenza da grandi insiemi di dati: classificazione, analisi delle associazioni, raggruppamento e rilevazione di anomalie. Il testo unisce la descrizione dei metodi alla loro valutazione pratica. È adatto agli studenti di informatica, ingegneria e statistica che seguono insegnamenti di complementi di basi di dati, come riferimento per comprendere l'analisi dei dati su larga scala e per impostare esperimenti ben progettati. Gli esempi e i confronti fra algoritmi aiutano a scegliere la tecnica più appropriata in funzione del tipo di dati e dell'obiettivo dell'analisi.
Dove acquistarlo Tan – Introduction to Data Mining: prezzo nuovo e usato su Amazon, IBS e Libraccio
Di cosa si tratta: Modelli dei dati strutturati, semi strutturati e non strutturati e limiti di SQL aprono lo studio di SQL/XML e XQuery. Seguono i modelli di information retrieval, booleano e vector space, il web information retrieval con PageRank, e un'introduzione al data warehousing con OLAP e al data mining.
Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande frequenti su Tan – Introduction to Data Mining
Per quale esame serve Tan – Introduction to Data Mining?
È indicato per Complementi di Basi di Dati - Intelligenza Artificiale a Bologna, dai docenti Danilo Montesi, Michela Milano. A.a. 2026/2027.
Quali libri indica il prof. Danilo Montesi per Complementi di Basi di Dati - Intelligenza Artificiale?
Per Complementi di Basi di Dati - Intelligenza Artificiale (Bologna) il prof. Danilo Montesi indica Tan – Introduction to Data Mining; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Tan – Introduction to Data Mining?
Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Tan – Introduction to Data Mining?
≈ 9,5 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Tan – Introduction to Data Mining?
L'ISBN è 9780273769224 (editore Pearson).
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy