Data mining & Data Warehousing

该应用程序是数据挖掘和数据仓库，覆盖重要的议题，笔记，资料，新闻和博客在球场上的完全免费的手册。下载App作为参考材料和数字图书计算机科学，人工智能，数据科学与软件工程项目和商业管理学位课程。

这个有用的应用程序列出200议题有详细的注释，图表，公式，公式和课程材料，题目中列出了5章。应用程序是必须为所有的计算机科学与工程专业的学生和专业人士。

该应用程序提供了快速修改和参考像一个详细的闪存卡音符的重要课题，它可以很容易和有效为学生或专业到考试或面试的作业之前迅速覆盖课程大纲。

跟踪学习，设置提醒，编辑学习材料，加入喜爱的主题，分享到社交媒体的主题。

您也可以在博客的工程技术，创新，工程初创企业，高校科研工作，研究所的更新，从智能手机或平板电脑或http://www.engineeringapps.net/教材及教育计划提供信息的链接。

使用这个有用的应用程序设计为您的教程，数字图书，参考指南，教学大纲，课程材料，项目工作，在博客上分享您的观点。

一些在应用程序讨论的主题有：

1.引言数据挖掘

2.数据架构

3.数据仓库（DW）

4.关系型数据库

5.交易数据库

6.先进的数据和信息系统高级应用

7.数据挖掘功能

8.数据挖掘系统的分类

9.数据挖掘任务原语

10.一个数据挖掘系统的集成数据仓库一个系统

11.主要问题在数据挖掘

12.在数据挖掘中的性能问题

13.介绍数据预处理

14.描述性数据汇总

15.测量数据的分散

16.基本的描述数据摘要的图形显示

17.数据清洗

18.噪声数据

19.数​​据清洗工艺

20.数据集成和转换

21.数据转换

22.数据缩减

23.降维

24. Numerosity减少

25.集群和采样

26.数据离散化和概念层次生成

27.概念层次生成分类数据

28.介绍数据仓库

29.操作数据库系统和数据仓库之间的差异

30.多维数据模型

31.多维数据模型

32.数据仓库架构

33.数据仓库设计过程

34.三层数据仓库架构

35.数据仓库的后端工具和实用程序

36. OLAP服务器的类型：ROLAP MOLAP与对HOLAP

37.数据仓库实施

38.数据仓库到数据挖掘

39.联机分析处理，以联机分析挖掘

40.方法数据立方体计算

41.多路阵列聚集了全立体计算

42.星体积测量：使用动态星树型结构计算冰山立方体

43.预先计算炮弹碎片的快速高维OLAP

44.驱动的数据立方体的探索

在多粒度45复杂聚合：多特征立方体

46.面向属性归纳

对于数据表征47.面向属性归纳

48.面向属性归纳的高效实现

49.矿业类比较：不同类别区分

50.频繁模式

51. Apriori算法

52.高效，可扩展的频繁项集挖掘方法

每个主题都配有图表，方程式等形式更好地学习和快速了解图形表示的。

数据挖掘与数据仓库是计算机科学，软件工程，人工智能，机器学习和统计计算教育课程，并在各大学的信息技术与商务管理学位课程的一部分。