Big Data Mining: Algorithms for Massive Datasets

Sa isang panahon kung kailan ang data ay lumalago nang mabilis bawat segundo, ang mga tradisyunal na tool sa database ay madalas na hindi sapat. Upang makakuha ng totoong halaga mula sa napakalaking datasets, kailangan mo ng mga espesyal na algorithm at analytical framework na idinisenyo upang mag-scale. Ang text-only course na ito ay gagabay sa iyo sa mga pangunahing konsepto at prinsipyo sa matematika ng big data mining, na nagpapakita sa iyo kung paano lumipat mula sa mga pangunahing data structure patungo sa pagsusuri ng mga kumplikado at high-dimensional na data system nang may kumpiyansa. Ang iyong matututuhan: - Unawain ang pangunahing bokabularyo ng big data mining, kabilang ang MapReduce at mga distributed computing framework. - Gamitin ang Locality-Sensitive Hashing upang makahanap ng mga katulad na item sa napakalaking koleksyon ng dokumento. - Suriin ang mga malakihang web graph gamit ang PageRank at mga advanced na link-analysis algorithm. - Tumuklas ng mga frequent itemset at association rule sa loob ng mga transactional data na may mataas na dami. - Tuklasin ang mga modernong pamamaraan sa data streaming at mga real-time filtering algorithm. - Unawain kung paano ginagamit ang mga modernong vector database at embedding upang mag-index at maghanap ng high-dimensional data. Magsisimula tayo sa mga pangunahing kahulugan at sa distributed computing paradigm, pagkatapos ay magpapatuloy hakbang-hakbang sa clustering, dimension reduction, at mga recommendation system. Ang bawat konsepto ay ipinapaliwanag sa pamamagitan ng malinaw na nakasulat na mga breakdown at konseptwal na walkthrough. Ang kursong ito ay idinisenyo para sa mga baguhan sa data science, software engineering, at analytics na gustong maunawaan ang mekanismo ng mga malakihang data algorithm. Walang advanced na kaalaman sa big data ang kinakailangan. Simulang magbasa ngayon upang mabuksan ang mga algorithm na nagpapagana sa mga modernong search engine at recommendation platform.