دانلود کتاب Parallel data mining for very large relational databases
49,000 تومان
داده کاوی موازی برای پایگاه داده های رابطه ای بسیار بزرگ
| موضوع اصلی | سازمان و پردازش داده ها |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| تعداد صفحه | 6 |
| حجم فایل | 97 کیلوبایت |
| نویسنده | Freitas A.A., Lavington S.H. |
|---|---|
| زبان | انگلیسی |
| فرمت |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
داده کاوی موازی برای پایگاه داده های رابطه ای بسیار بزرگ
داده کاوی یا کشف دانش در پایگاههای داده (KDD)، سود کمی برای شرکتهای تجاری دارد، مگر اینکه بتوان آن را به طور کارآمد بر روی حجم واقعی دادهها انجام داد. عوامل عملیاتی همچنین حکم می کند که KDD باید در چارچوب DBMS استاندارد انجام شود. خوشبختانه، DBMS های رابطه ای دارای یک رابط پرس و جوی اعلامی (SQL) هستند که به طراحان سخت افزار موازی اجازه می دهد تا از موازی سازی داده ها به طور موثر بهره برداری کنند. بنابراین، یک رویکرد موثر برای مشکل KDD کارآمد شامل ترتیب دادن به اجرای وظایف KDD بر روی یک سرور SQL موازی است. در این مقاله ما اولیههای KDD عمومی را طراحی میکنیم، آنها را به SQL نگاشت میکنیم و برخی از نتایج اجرای این اولیهها را بر روی یک سرور موازی SQL تجاری در دسترس ارائه میکنیم.
Parallel data mining for very large relational databases
Data mining, or Knowledge Discovery in Databases (KDD), is of little benefit to commercial enterprises unless it can be carried out efficiently on realistic volumes of data. Operational factors also dictate that KDD should be performed within the context of standard DBMS. Fortunately, relational DBMS have a declarative query interface (SQL) that has allowed designers of parallel hardware to exploit data parallelism efficiently. Thus, an effective approach to the problem of efficient KDD consists of arranging that KDD tasks execute on a parallel SQL server. In this paper we devise generic KDD primitives, map these to SQL and present some results of running these primitives on a commercially-available parallel SQL server.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.