Data mining is simply filtering thr

Data mining is simply filtering through large
amounts of raw data for useful information that
gives businesses a competitive edge. This
information is made up of meaningful patterns
and trends that are already in the data but were
previously unseen.
The most popular tool used when mining is
artificial intelligence (AI). AI technologies try to
work the way the human brain works, by making
intelligent guesses, learning by example, and
using deductive reasoning. Some of the more
popular AI methods used in data mining include
neural networks, clustering, and decision trees.
Neural networks look at the rules of using data,
which are based on the connections found or on
a sample set of data. As a result, the software
continually analyses value and compares it to the
other factors, and it compares these factors
repeatedly until it finds patterns emerging. These
patterns are known as rules. The software then
looks for other patterns based on these rules or
sends out an alarm when a trigger value is hit.
Clustering divides data into groups based on
similar features or limited data ranges. Clusters
are used when data isn't labelled in a way that is
favourable to mining. For instance, an insurance
company that wants to find instances of fraud
wouldn't have its records labelled as fraudulent
or not fraudulent. But after analysing patterns
within clusters, the mining software can start to
figure out the rules that point to which claims
are likely to be false.
Decision trees, like clusters, separate the data
into subsets and then analyse the subsets to
divide them into further subsets, and so on (for
a few more levels). The final subsets are then
small enough that the mining process can find
interesting patterns and relationships within the
data.
Once the data to be mined is identified, it
should be cleansed. Cleansing data frees it from
duplicate information and erroneous data. Next,
the data should be stored in a uniform format
within relevant categories or fields. Mining tools
can work with all types of data storage, from
large data warehouses to smaller desktop
databases to flat files. Data warehouses and data
marts are storage methods that involve archiving
large amounts of data in a way that makes it easy
to access when necessary.
When the process is complete, the mining
software generates a report. An analyst goes over
the report to see if further work needs to be
done, such as refining parameters, using other
data analysis tools to examine the data, or even
scrapping the data if it's unusable. If no further
work is required, the report proceeds to the
decision makers for appropriate action.
The power of data mining is being used for
many purposes, such as analysing Supreme
Court decisions, discovering patterns in health
care, pulling stories about competitors from
newswires, resolving bottlenecks in production
processes, and analysing sequences in the human
genetic makeup. There really is no limit to the
type of business or area of study where data
mining can be beneficial.

Результаты (украинский) 1:

Data mining is simply filtering through largeamounts of raw data for useful information thatgives businesses a competitive edge. Thisinformation is made up of meaningful patternsand trends that are already in the data but werepreviously unseen.The most popular tool used when mining isartificial intelligence (AI). AI technologies try towork the way the human brain works, by makingintelligent guesses, learning by example, andusing deductive reasoning. Some of the morepopular AI methods used in data mining includeneural networks, clustering, and decision trees.Neural networks look at the rules of using data,which are based on the connections found or ona sample set of data. As a result, the softwarecontinually analyses value and compares it to theother factors, and it compares these factorsrepeatedly until it finds patterns emerging. Thesepatterns are known as rules. The software thenlooks for other patterns based on these rules orsends out an alarm when a trigger value is hit.Clustering divides data into groups based onsimilar features or limited data ranges. Clustersare used when data isn't labelled in a way that isfavourable to mining. For instance, an insurancecompany that wants to find instances of fraudwouldn't have its records labelled as fraudulentor not fraudulent. But after analysing patternswithin clusters, the mining software can start tofigure out the rules that point to which claimsнайчастіше є помилковим.Рішення дерев, як кластери, розділення даніна підмножини і потім проаналізувати підмножин доподілити їх на подальше підмножини, і так далі (длякілька більш рівнів). Остаточний підмножини, потімдосить маленький, що гірській процес можна знайтицікаві Узори та відносини в межах вдані.Після того, як на видобувати позначаються, вінповинні очистити себе. Очищення даних звільняє його відповторювані відомості та хибні дані. Далі,дані повинні зберігатися в єдиний форматв рамках відповідних категорій або полів. Інструментальні засоби інтелектуального аналізуможна працювати з усіма типами зберігання даних, відсклади великих обсягів даних на менші робочий стілбази даних для плоских файлів. Сховищ даних і данихВітрини є зберігання методів, які включають архівуваннявеликі обсяги даних таким чином, що дозволяє легкощоб отримати доступ, коли це необхідно.Коли процес завершиться, видобуванняпрограма генерує звіт. Аналітика переходитьзвіт, щоб дізнатися, чи подальша робота повинна бутизроблено, таких як рафінування параметри, за допомогою одногодані аналітичні засоби вивчити дані, або навітьзлам дані, якщо вона непридатна для використання. Якщо не даліроботи не потрібно, звіт приступає до навідповідальними за належних заходів.Влада інтелектуального аналізу даних використовується длябагато цілей, таких як аналіз ВерховногоСудові рішення, відкриваючи візерунки у сфері охорони здоров'ядогляд, потягнувши історій про конкурентів зNewswires, вирішення вузьких місць у виробництвіпроцеси та аналіз секвенцій в людинигенетичний склад. Існує дійсно немає межі для вТип бізнес або галузі вивчення де данихвидобуток може бути корисним.

Результаты (украинский) 2:

Інтелектуальний аналіз даних просто фільтрації через великих
кількостях сирих даних для корисної інформації, яка
дає підприємствам конкурентні переваги. Це
інформація із значущих моделей
і тенденцій, які вже знаходяться в даних, але були
раніше невидиме.
Найпопулярніший інструмент, який використовується при видобутку є
штучний інтелект (ШІ). Технології AI спробувати
працювати так, як людський мозок працює, роблячи
інтелектуальні здогади, навчання на прикладі, і
за допомогою дедуктивного міркування. Деякі з більш
популярних методів ШІ, використовуваних в гірничодобувній промисловості даних включають
нейронні мережі, кластеризація і дерева рішень.
Нейронні мережі розглянемо правила використання даних,
які засновані на зв'язках, знайдених або
зразка набору даних. В результаті, програма
постійно аналізує значення і порівнює його з
іншими факторами, і порівнює ці
фактори, поки не знайде зразки виникають. Ці
шаблони відомі як правила. Потім програмне забезпечення
виглядає для інших моделей, заснованих на цих правил або
посилає сигнал тривоги, коли вдарив значення тригера.
Кластеризація ділить дані на групи по
аналогічними функціями або обмежених діапазонів даних. Кластери
використовуються, коли дані не позначені таким чином, що є
сприятливим для видобутку. Наприклад, страхова
компанія, яка хоче знайти випадків шахрайства
не було б його записи позначені як шахрайське
або НЕ шахрайськими. Але після аналізу зразки
в кластерах, видобуток програмне забезпечення може почати
з'ясувати правила, які вказують на яких
вимоги, ймовірно, будуть помилковими.
Дерева рішень, як кластери, відокремити дані
на підмножини, а потім проаналізувати підмножини в
ділити їх у подальших підмножин і так далі (по
кілька більш рівнів). Остаточні підмножини, то
досить малий, що процес видобуток можете знайти
цікаві закономірності та взаємозв'язки в межах
даних.
Після того, як дані видобуватимуться ідентифікований,
повинні бути очищені. Очищення даних звільняє його від
дубліката інформації та помилкових даних. Далі,
дані повинні зберігатися в єдиному форматі
у відповідних категоріях або областях. Видобуток інструменти
можуть працювати зі всіма типами зберігання даних, від
великих сховищ даних для невеликих настільних
баз даних в плоскі файли. Сховища даних і дані
вітрини методи зберігання, які пов'язані архівування
великих обсягів даних таким чином, що дозволяє легко
отримати доступ до при необхідності.
Коли процес буде завершений, видобуток
програмне забезпечення генерує звіт. Аналітик переходить
доповіді щоб побачити, якщо подальша робота повинна бути
зроблено, наприклад, в якості параметрів переробки, за допомогою інших
інструментів аналізу даних для вивчення даних, або навіть
злам дані, якщо це непридатним для використання. Якщо немає подальшого
робота не потрібно, звіт переходить до
особам, які приймають рішення для вжиття відповідних заходів.
Потужність видобутку даних використовується для
багатьох цілей, наприклад, для аналізу Верховний
рішення суду, відкриваючи закономірності в галузі охорони здоров'я
допомоги, потягнувши історій про конкурентів з
Newswires, рішення вузьких місць у виробничих
процесах, а також аналіз послідовностей в людському
генетичному. Там дійсно немає межі
виду бізнесу або галузі дослідження, де дані
видобуток може бути корисним.

Результаты (украинский) 3:

Видобування даних - це просто фільтрації через великі обсяги даних RAW
за корисну інформацію про те, що
дає підприємствам конкурентних переваг. Це
інформації складається з значимі моделі
і тенденції, які вже є у даних були
небаченої.
найбільш популярним інструментом для гірничо -
штучного інтелекту (AI). Ай-технологій спробувати
роботи речі людський мозок працює, роблячи
Розумний здогадок, навчання на приклад, і за допомогою
дедуктивної міркування. Деякі з більш
популярні AI методи, які використовуються у видобування даних включають
нейронних мереж, юрмиться народ, і рішення дерева.
нейронних мереж погляд на правила використання даних"
які базуються на з'єднання або на
зразок набір даних. Як наслідок, програмне забезпечення
постійно аналізує значення та порівнює його з
інших факторів,І він порівнює всі ці чинники
кілька разів поспіль, поки він знаходить візерунки на ринках. Ці
візерунки, відомі як правила. Програмне забезпечення потім
виглядає для інших моделей на основі цих правил або
надсилає сигнал під спусковим значення.
юрмиться народ розділяє даних у хіт групи на основі
схожих функцій або обмеженість даних може змінюватися. Кластери
використовуються, коли дані не позначено у спосіб, що є
сприятливі гірничих робіт.Наприклад, страхова компанія, що бажає знайти
випадки шахрайства
не було б його записів позначено як шахрайські махінаціях
чи ні. Але після аналізу візерунки
у рамках кластерів, гірничо-програмне забезпечення може почати
з'ясувати правила, які вказують на який претендує
, швидше за все, буде фальшивих.
рішення дерева, схожі на грона, окремі дані
у subsets і потім проаналізувати subsets до
Розділити їх на подальше subsets, і так далі (для
ще кілька рівнів). У фіналі subsets
достатньо малий, то що гірничо-процес можна знайти
цікаві малюнки і відносини в рамках
даних.
після даних, що вимірюють визначається, що
має бути очищене. Очищення дані звільняє його від
дублювання інформаційних та помилкові дані. Наступний"
дані повинні зберігатися в єдину формат
В межах відповідних категоріях або поля. Гірничо-інструменти
може працювати з усіма типами даних, з
великих сховища даних до менших файлів стільниці
баз даних у квартиру. Сховищ даних і даних є зберігання
marts методи, які передбачають архівування
великі обсяги даних у спосіб, що спрощує
для доступу, коли необхідно.
коли процес буде завершено, гірничо-
програмне забезпечення генерує звіт.Аналітик перейде
доповіді, щоб побачити, якщо подальша робота має бути
зроблено, таких НПЗ, параметри, за допомогою інших
інструменти аналізу даних для вивчення даних чи навіть
відмовитися від даних, якщо його непридатним для використання. Якщо не далі
вимагається, звіт надходження до
приймають рішення за відповідні дії.
потужність data mining використовується для
багатьох цілей, таких як аналіз Верховного
Рішення суду, відкриваючи візерунки на здоров'я
догляду, витягуючи розповіді про конкурентів з
являють собою постійно оновлювану стрічку новин, вирішення труднощів у виробництві
процеси, аналіз послідовностей в людському
генетичний. І справді, немає межі
вид бізнесу чи області навчання яких дані
гірничо-можна вигідно.