Εξόρυξη και ανάλυση δεδομένων

Το βιβλίο προορίζεται καταρχήν ως πανεπιστημιακό σύγγραμμα προπτυχιακών και μεταπτυχιακών σπουδών με αντικείμενο την εξόρυξη δεδομένων, και προσφέρει μια ευρεία αλλά περιεκτική επισκόπηση ενσωματώνοντας σχετικές έννοιες και ιδέες από τους κλάδους της μηχανικής μάθησης και της στατιστικής. Παράλληλα αποτελεί πολύτιμο εργαλείο για ερευνητές και επαγγελματίες του κλάδου. Χωρίζεται σε τέσσερα μέρη, στα οποία εξετάζονται η διερευνητική ανάλυση δεδομένων, η εξόρυξη συνήθων μοτίβων, η συσταδοποίηση (clustering) και η κατηγοριοποίηση. Περαιτέρω καλύπτονται πιο προχωρημένα θέματα, όπως οι μέθοδοι πυρήνα, η ανάλυση πολυδιάστατων δεδομένων, και τα σύνθετα γραφήματα και δίκτυα. Βασικά χαρακτηριστικά: - Καλύπτει τόσο τις βασικές μεθόδους όσο και τις πιο πρόσφατες ερευνητικές εξελίξεις. - Υιοθετεί μια αλγοριθμική προσέγγιση με υλοποιήσεις ανοικτού πηγαίου κώδικα. - Οι προαπαιτούμενες γνώσεις είναι ελάχιστες, καθώς παρουσιάζονται όλες οι απαιτούμενες μαθηματικές έννοιες και αποσαφηνίζονται οι έννοιες από τις οποίες απορρέουν οι μαθηματικοί τύποι. - Χωρίζεται σε σύντομα και αυτόνομα κεφάλαια, με παραδείγματα και ασκήσεις που έχουν δοκιμαστεί στην πράξη στις αίθουσες διδασκαλίας, τα οποία επιτρέπουν μεγάλη ευελιξία στον σχεδιασμό των μαθημάτων και μπορούν να χρησιμοποιηθούν εύκολα ως υλικό αναφοράς. Στη συνοδευτική ιστοσελίδα διατίθενται τα σύνολα δεδομένων των παραδειγμάτων, συμπληρωματικό υλικό και ιδέες για εργασίες (στα αγγλικά), καθώς και διαφάνειες για τους διδάσκοντες (στα ελληνικά). "Οι συγγραφείς, εξειδικευμένοι επιστήμονες παγκοσμίου βεληνεκούς, παρέχουν εγκυκλοπαιδική κάλυψη όλων των θεμάτων που άπτονται της εξόρυξης δεδομένων -βασικές γνώσεις στατιστικής και θεμελιώδεις μεθόδους, αλλά και πιο προχωρημένες μεθόδους (svd, svm, πυρήνες, φασματική θεωρία γραφημάτων). Για όλες ανεξαιρέτως τις έννοιες προσφέρεται μια προσεκτικά σχεδιασμένη και ισορροπημένη κάλυψη που ενσωματώνει τις προφανείς απαιτούμενες γνώσεις, τα αριθμητικά παραδείγματα και τις σημαντικές μαθηματικές λεπτομέρειες. Ιδανικό ως εγχειρίδιο διδασκαλίας, αλλά και ως βιβλίο αναφοράς." Χρήστος Φαλούτσος, Καθηγητής του Παν/μίου Carnegie Mellon, βραβείο SIGKDD Innovation Award της ACM