Die Methoden und Techniken des Datamining werden in verschiedenen Disziplinen wie Informatik, Wirtschaftswissenschaften und Soziologie eingesetzt. Zentrale Theorien und Modelle des Datamining umfassen unter anderem die Entscheidungsbaum- und die Clustering-Analyse. Ein wichtiger Aspekt des Datamining ist die Qualität und Quantität der verfügbaren Daten, da diese direkt die Ergebnisse und die Zuverlässigkeit der Analyse beeinflussen. Die Entwicklung des Datamining ist eng mit der Verfügbarkeit von großen Datenmengen und leistungsfähigen Rechenressourcen verbunden. Angrenzende Begriffe und Anwendungsfelder des Datamining sind unter anderem Big Data, Business Intelligence und Predictive Analytics. Du findest wissenschaftliche Arbeiten zu Datamining als PDF und eBook, viele auch als Print-on-Demand, bei GRIN.
Wissenschaftliche Texte zu Datamining
Datamining bezeichnet die automatisierte Entdeckung von Mustern und Zusammenhängen in großen Datenmengen. Dieser Prozess wird in der Data-Mining-Forschung verhandelt, die Teilbereiche wie maschinelles Lernen, Statistik und Datenbanken umfasst. Im Kontext von Datamining geht es vor allem um die Analyse und Auswertung von Daten, um neue Erkenntnisse zu gewinnen. Die Anwendung von Datamining ist vielfältig und reicht von der Kundenerfahrung über die Logistik bis hin zu Management-Cockpits.
3
Veröffentlichungen