Incluye glosario e índice.

1. Data mining and analytics -- 2. Machine learning -- 3. Databases and data warehouses -- 4. Data visualization -- 5. Keep Excel in your toolset -- 6. Keep SQL in your toolset -- 7. NoSQL data analytics -- 8. Programming data mining and analytic solutions -- 9. Data preprocessing and cleansing -- 10. Data clustering -- 11. Classification -- 12. Predictive anlytics -- 13. Data association -- 14. Mining text and images -- 15. Big data mining -- 16. Planning and launching a data-mining and data-anaytics project.

Introduction to Data Mining and Analytics provides a broad and interactive overview of a rapidly growing field. The exponentially increasing rate at which data is generated creates a corresponding need for professionals who can effectively handle its storage, analysis, and translation. With a dual focus on concepts and operations, this textbook comprises a complete how-to and is an excellent resource for anyone considering the field.

Case studies and hands-on activities incorporate real-world data sets and allow students the opportunity to exercise their new skills. Our Cloud Desktop integrates popular data mining tools, giving students a valuable familiarity with industry-standard applications.

After defining the concepts of data mining and machine learning, Introduction to Data Mining and Analytics delves into the types of databases, their respective relevance and popularity, and the trends that affect their use. The importance of data visualization for communication purposes is explored, as are the processes of data cleansing, clustering, and classification. Excel, SQL, NoSQL, Python, and R programming all receive in-depth treatments, supplemented with hands-on exercises. Operations covered in earlier chapters are given real-world context through a practical application to the current issues of “big data” and of text and image data mining. The text concludes by describing an analyst’s steps from planning through execution, ensuring that readers gain the technical know-how to launch, lead, or support a data project in the workplace.

Introduction to Data Mining and Analytics proporciona una descripción general amplia e interactiva de un campo en rápido crecimiento. La tasa exponencialmente creciente a la que se generan los datos crea la correspondiente necesidad de profesionales que puedan manejar de manera efectiva su almacenamiento, análisis y traducción. Con un enfoque dual en conceptos y operaciones, este libro de texto comprende un completo instructivo y es un excelente recurso para cualquiera que esté considerando el campo.

Los estudios de casos y las actividades prácticas incorporan conjuntos de datos del mundo real y permiten a los estudiantes la oportunidad de ejercitar sus nuevas habilidades. Nuestro escritorio en la nube integra herramientas populares de minería de datos, brindando a los estudiantes una valiosa familiaridad con las aplicaciones estándar de la industria.

Después de definir los conceptos de minería de datos y aprendizaje automático, Introducción a la minería de datos y análisis profundiza en los tipos de bases de datos, su respectiva relevancia y popularidad, y las tendencias que afectan su uso. Se explora la importancia de la visualización de datos para fines de comunicación, al igual que los procesos de limpieza, agrupación y clasificación de datos. La programación de Excel, SQL, NoSQL, Python y R recibe tratamientos en profundidad, complementados con ejercicios prácticos. Las operaciones cubiertas en capítulos anteriores reciben un contexto del mundo real a través de una aplicación práctica a los problemas actuales de "big data" y de minería de datos de texto e imágenes. El texto concluye describiendo los pasos de un analista desde la planificación hasta la ejecución, asegurando que los lectores obtengan los conocimientos técnicos para lanzar, liderar o respaldar un proyecto de datos en el lugar de trabajo.