ضغط البيانات لخوارزميات تنقيب البيانات - تأليف Xiaochun Wang (غلاف ورقي)

ملخص الكتاب يتناول كتاب Data Compression for Data Mining Algorithms المشكلات الهامة في تصميم خوارزميات تنقيب البيانات الأكثر كفاءة من خلال تقنيات ضغط البيانات، ويقدم أول وصف منهجي وشامل للعلاقات بين آليات ضغط البيانات والحسابات المتضمنة في خوارزميات تنقيب البيانات. وتُعد خوارزميات تنقيب البيانات تقنيات تحليلية قوية تُستخدم في مختلف المجالات، بما في ذلك الأعمال والهندسة والعلوم. ومع ذلك، في عصر البيانات الضخمة، تتطلب مهام مثل تنقيب قواعد الارتباط والتصنيف غالباً عمليات مسح متعددة لقواعد البيانات، بينما تعتمد طرق التجميع وكشف القيم المتطرفة عادةً على المسافة الإقليدية لمقاييس التشابه، مما يؤدي إلى تكاليف حوسبة عالية. يتناول كتاب Data Compression for Data Mining Algorithms هذه التحديات من خلال التركيز على عملية تحويل خوارزميات تنقيب البيانات إلى قيم قياسية، وذلك عبر الاستفادة من تقنيات ضغط البيانات لتقليل أحجام مجموعات البيانات، وتطبيق مبادئ نظرية المعلومات لتقليل العمليات الحسابية المعنية بمهام مثل اختيار الميزات وحساب التشابه. يستعرض الكتاب أحدث التطورات في كل من طرق ضغط البيانات غير الفاقدة للبيانات (lossless) والفاقدة للبيانات (lossy)، كما يقدم شرحاً شاملاً لطرق ضغط البيانات المستخدمة في تصميم خوارزميات تنقيب البيانات من وجهات نظر متعددة. تشمل المناقشات الرئيسية ترميز Huffman، والكمية القياسية والمتجهة، والتحويلات، والنطاقات الفرعية، والضغط القائم على wavelet للخوارزميات القابلة للتوسع، ودور الشبكات العصبية، وخاصة التعلم العميق، في اختيار الميزات وتقليل الأبعاد. محتويات الكتاب متوازنة جيداً لكل من التحليل النظري والتطبيقات الواقعية، كما أن الفصول منظمة بشكل جيد لتقديم نظرة عامة شاملة حول تقنيات ضغط البيانات لتنقيب البيانات. ولتقديم فهم أكثر شمولاً للمادة العلمية، تم إدراج مشاريع ومشكلات تم حلها باستخدام Python في جميع أنحاء النص.