విషయము
- నిర్వచనం - డేటా మైనింగ్ అంటే ఏమిటి?
- మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.
- టెకోపీడియా డేటా మైనింగ్ గురించి వివరిస్తుంది
నిర్వచనం - డేటా మైనింగ్ అంటే ఏమిటి?
డేటా మైనింగ్ అనేది ఉపయోగకరమైన సమాచారంగా వర్గీకరించడానికి వివిధ కోణాల ప్రకారం డేటా యొక్క దాచిన నమూనాలను విశ్లేషించే ప్రక్రియ, ఇది డేటా గిడ్డంగులు వంటి సాధారణ ప్రాంతాలలో సేకరించి సమావేశమై, సమర్థవంతమైన విశ్లేషణ, డేటా మైనింగ్ అల్గోరిథంలు, వ్యాపార నిర్ణయాలు మరియు ఇతర సమాచారాన్ని సులభతరం చేస్తుంది చివరికి ఖర్చులను తగ్గించి, ఆదాయాన్ని పెంచే అవసరాలు.
డేటా మైనింగ్‌ను డేటా డిస్కవరీ మరియు నాలెడ్జ్ డిస్కవరీ అని కూడా అంటారు.
మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.
టెకోపీడియా డేటా మైనింగ్ గురించి వివరిస్తుంది
డేటా మైనింగ్ ప్రక్రియలో ప్రధాన దశలు:
- డేటాను డేటా గిడ్డంగిలోకి సంగ్రహించండి, మార్చండి మరియు లోడ్ చేయండి
- బహుళ డైమెన్షనల్ డేటాబేస్లలో డేటాను నిల్వ చేయండి మరియు నిర్వహించండి
- అనువర్తన సాఫ్ట్‌వేర్‌ను ఉపయోగించి వ్యాపార విశ్లేషకులకు డేటా ప్రాప్యతను అందించండి
- ప్రస్తుత విశ్లేషించిన డేటా గ్రాఫ్‌లు వంటి సులభంగా అర్థమయ్యే రూపాల్లో
డేటా మైనింగ్ యొక్క మొదటి దశ వ్యాపారం కోసం క్లిష్టమైన డేటాను సేకరించడం. కంపెనీ డేటా లావాదేవీ, కార్యాచరణ కాని లేదా మెటాడేటా. లావాదేవీల డేటా అమ్మకాలు, జాబితా మరియు వ్యయం వంటి రోజువారీ కార్యకలాపాలతో వ్యవహరిస్తుంది. నాన్-ఆపరేషనల్ డేటా సాధారణంగా అంచనా వేయబడుతుంది, అయితే మెటాడేటా తార్కిక డేటాబేస్ రూపకల్పనకు సంబంధించినది. డేటా మూలకాల మధ్య నమూనాలు మరియు సంబంధాలు సంబంధిత సమాచారాన్ని అందిస్తాయి, ఇవి సంస్థాగత ఆదాయాన్ని పెంచుతాయి. విక్రయించిన ఉత్పత్తుల యొక్క స్పష్టమైన చిత్రాలను అందించే డేటా మైనింగ్ పద్ధతులతో బలమైన వినియోగదారుల దృష్టితో ఉన్న సంస్థలు, ధర, పోటీ మరియు కస్టమర్ జనాభా.
ఉదాహరణకు, రిటైల్ దిగ్గజం వాల్-మార్ట్ దాని సంబంధిత సమాచారాన్ని టెరాబైట్ల డేటాతో డేటా గిడ్డంగికి పంపిస్తుంది. కస్టమర్ కొనుగోలు విధానాలను గుర్తించడానికి సరఫరాదారులు ఈ డేటాను సులభంగా యాక్సెస్ చేయవచ్చు. వారు షాపింగ్ అలవాట్లపై నమూనాలను రూపొందించగలరు, ఎక్కువ షాపింగ్ చేసిన రోజులు, ఉత్పత్తులు మరియు డేటా మైనింగ్ పద్ధతులను ఉపయోగించుకునే ఇతర డేటా కోసం ఎక్కువగా కోరుకుంటారు.
డేటా మైనింగ్ యొక్క రెండవ దశ తగిన అల్గోరిథంను ఎంచుకోవడం - డేటా మైనింగ్ నమూనాను ఉత్పత్తి చేసే విధానం. అల్గోరిథం యొక్క సాధారణ పని డేటా సమితిలో పోకడలను గుర్తించడం మరియు పారామితి నిర్వచనం కోసం అవుట్‌పుట్‌ను ఉపయోగించడం. డేటా మైనింగ్ కోసం ఉపయోగించే అత్యంత ప్రాచుర్యం పొందిన అల్గోరిథంలు వర్గీకరణ అల్గోరిథంలు మరియు రిగ్రెషన్ అల్గోరిథంలు, ఇవి డేటా మూలకాల మధ్య సంబంధాలను గుర్తించడానికి ఉపయోగిస్తారు. ఒరాకిల్ మరియు SQL వంటి ప్రధాన డేటాబేస్ విక్రేతలు డేటా మైనింగ్ కోసం డిమాండ్ను తీర్చడానికి క్లస్టరింగ్ మరియు రిగ్రెషన్ ట్రెస్ వంటి డేటా మైనింగ్ అల్గారిథమ్‌లను కలుపుతారు.