| Judul | Data mining dan machine learning menggunakan matlab dan python / Rahmadya Trias Handayanto, Herlawati |
| Pengarang | Rahmadya Trias Handayanto (Pengarang) Herlawati (Pengarang) |
| Penerbitan | Bandung : Informatika, 2020 |
| Deskripsi Fisik | xiv, 314 halaman :ilustrasi ;24 cm. |
| Konten | teks |
| Media | tanpa perantara |
| Penyimpan Media | volume |
| ISBN | 978-623-7131-32-8 |
| Subjek | Mesin Pembelajar - Machine Learning pengolahan data |
| Abstrak | Data mining menurut David Hand, Heikki Mannila, dan Padhraic Smyth dari MIT adalah analisis terhadap data (biasanya data yang berukuran besar) untuk menemukan hubungan yang jelas serta menyimpulkannya yang belum diketahui sebelumnya dengan cara terkini dipahami dan berguna bagi pemilik data tersebut (Larose,2006). Data Mining sudah ada sejak lama dan teori-teorinya pun sudah banyak dibahas dalam berbagai literatur. Teori-teori tersebut antara lain: Naïve-Bayes dan Nearest Neighbour, Pohon Keputusan, Aturan Asosiasi, K-Means Clustering, dan Text Mining (Bramer, 2007). Sedangkan perkembangan terkini menghadirkan algoritma-algoritma yang baru dikembangkan antara lain: Jaringan Syaraf Tiruan (JST), Algoritma Genetik, Fuzzy C-Means, Support Vector Machine (SVM). dan lain-lain (Larose, 2006). Sejak perkembangannya dari tahun 90-an, data mining yang sebelumnya dikuasai oleh para pakar statistik, ternyata di tahun 2000-an banyak dikembangkan oleh imu komputer yang berusaha untuk memperbaiki kinerja dari teori-teori |
| Bahasa | Indonesia |
| Bentuk Karya | Bukan fiksi atau tidak didefinisikan |
| Target Pembaca | Umum |
| No Barcode | No. Panggil | Akses | Lokasi | Ketersediaan |
|---|---|---|---|---|
| 2025/HD/0336 | 006.31 RAH d | Dapat dipinjam | Perpustakaan Pusat Polbangtan Malang - Ruang Koleksi Buku Umum (Lantai 2) | Tersedia |
| Tag | Ind1 | Ind2 | Isi |
| 001 | INLIS000000001492095 | ||
| 005 | 20250923023103 | ||
| 007 | ta | ||
| 008 | 250923################g##########0#ind## | ||
| 020 | # | # | $a 978-623-7131-32-8 |
| 035 | # | # | $a 0010-0925000057 |
| 082 | # | # | $a 006.31 |
| 084 | # | # | $a 006.31 RAH d |
| 100 | 0 | # | $a Rahmadya Trias Handayanto$e Pengarang |
| 245 | 1 | # | $a Data mining dan machine learning menggunakan matlab dan python /$c Rahmadya Trias Handayanto, Herlawati |
| 264 | # | # | $a Bandung :$b Informatika,$c 2020 |
| 300 | # | # | $a xiv, 314 halaman : $b ilustrasi ; $c 24 cm. |
| 336 | # | # | $a teks$2 rdacontent |
| 337 | # | # | $a tanpa perantara$2 rdamedia |
| 338 | # | # | $a volume$2 rdacarrier |
| 520 | # | # | $a Data mining menurut David Hand, Heikki Mannila, dan Padhraic Smyth dari MIT adalah analisis terhadap data (biasanya data yang berukuran besar) untuk menemukan hubungan yang jelas serta menyimpulkannya yang belum diketahui sebelumnya dengan cara terkini dipahami dan berguna bagi pemilik data tersebut (Larose,2006). Data Mining sudah ada sejak lama dan teori-teorinya pun sudah banyak dibahas dalam berbagai literatur. Teori-teori tersebut antara lain: Naïve-Bayes dan Nearest Neighbour, Pohon Keputusan, Aturan Asosiasi, K-Means Clustering, dan Text Mining (Bramer, 2007). Sedangkan perkembangan terkini menghadirkan algoritma-algoritma yang baru dikembangkan antara lain: Jaringan Syaraf Tiruan (JST), Algoritma Genetik, Fuzzy C-Means, Support Vector Machine (SVM). dan lain-lain (Larose, 2006). Sejak perkembangannya dari tahun 90-an, data mining yang sebelumnya dikuasai oleh para pakar statistik, ternyata di tahun 2000-an banyak dikembangkan oleh imu komputer yang berusaha untuk memperbaiki kinerja dari teori-teori statistik yang ada. Menurut Daryl Pregibon disebutkan bahwa Data Mining adalah perpaduan dari Statistik, Artificial Inteligent dan Database (Gorunescu, 2011). Data Mining kemudian dikenal dengan nama Knowledge-Discovery in Databases (KDD). |
| 650 | # | 4 | $a Mesin Pembelajar - Machine Learning |
| 650 | # | 4 | $a pengolahan data |
| 700 | 0 | # | $a Herlawati$e Pengarang |
| 990 | # | # | $a 2025/HD/0336 |
Content Unduh katalog
Karya Terkait :