数据挖掘和数据仓库的最佳应用程序，在一分钟内学习一个主题
该应用程序是一本完整的数据挖掘和数据仓库手册，涵盖了课程中的重要主题，注释，材料，新闻和博客。下载应用程序作为计算机科学，人工智能，数据科学和软件工程课程和商业管理学位课程的参考资料和数字图书。
这个有用的应用程序列出了200个主题，包括详细的注释，图表，方程式，公式和课程材料，这些主题在5章中列出。该应用程序必须为所有计算机科学与工程专业的学生和专业人士。
该应用程序提供快速修订和参考重要主题，如详细的闪存卡笔记，它使学生或专业人士在考试或面试之前快速涵盖课程大纲简单有用。
跟踪您的学习，设置提醒，编辑学习材料，添加喜爱的主题，在社交媒体上分享主题。
您还可以通过智能手机或平板电脑或http://www.engineeringapps.net/撰写关于工程技术，创新，工程创业公司，大学研究工作，研究所更新，课程材料和教育计划的信息链接的博客。
使用这个有用的工程应用程序作为教程，数字书籍，教学大纲参考指南，课程材料，项目工作，在博客上分享您的观点。
应用程序中涵盖的一些主题包括：
1.数据挖掘简介
2.数据架构
3.数据仓库（DW）
4.关系数据库
5.交易数据库
6.高级数据和信息系统和高级应用程序
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.数据挖掘系统与DataWarehouse系统的集成
11.数据挖掘中的主要问题
12.数据挖掘中的性能问题
13.数据预处理简介
14.描述性数据摘要
15.衡量数据的分散
16.基本描述性数据摘要的图形显示
17.数据清理
18.嘈杂的数据
19.数据清理过程
20.数据整合与转型
21.数据转换
22.数据减少
23.减少维度
24.减少数量
25.聚类和抽样
26.数据离散化和概念层次生成
27.分类数据的概念层次生成
28.数据仓库简介
29.业务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.数据仓库后端工具和实用程序
36. OLAP服务器的类型：ROLAP与MOLAP和HOLAP
37.数据仓库实施
38.数据仓库到数据挖掘
39.在线分析采矿的在线分析处理
40.数据立方体计算的方法
41.完整立方体计算的多路阵列聚合
42. Star-Cubing：使用动态星树结构计算冰山立方体
43.为快速高维OLAP预先计算Shell碎片
44.数据立方体的驱动探索
45.多粒度的复杂聚合：多特征立方体
46.面向属性的归纳
47.面向属性的数据表征归纳
48.有效实现面向属性的归纳
49.挖掘类比较：不同类之间的区分
50.频繁的模式
51. Apriori算法
52.高效且可扩展的频繁项目集挖掘方法
每个主题都包含图表，方程式和其他形式的图形表示，以便更好地学习和快速理解。
数据挖掘和数据仓库是各大学的计算机科学，软件工程，人工智能，机器学习和统计计算教育课程以及信息技术和企业管理学位课程的一部分。