Di era Big data saat ini, dengan volume data mencapai Zettabyte (satu trilyun Gigabyte), permasalahan dan data tumbuh secara eksponensial sedangkan jumlah data analyst dan data scientist tumbuh secara liier. Uleh karena itu, diperlukan teknik kompilasi hanal yang bisa menganalisis data secara cepat dan akurat. Sayangnya sebagian besar desainer dan pengembang sistem berbasis data mining mengalami kesulitan dalam menentukan teknik dan metode yang paling sesuai untuk masalah yang mereka hadapi.

Buku ini memberikan gambaran secara jelas dan mudah bagaimana memahami masalah dan data secara benar. Kedua hal ini sangat penting karena jika gagal melakukannya, Anda akan salah dalam memilih teknik dan metode yang sesuai, yang pada akhirnya Anda akan mengalami banyak kesulitan pada tahap desain dan implementasi.

Buku ini akan memandu Anda dalam memahami data mining untuk klasifikasi dan klasterisasi data. Penjelasan diberikan secara menyeluruh dari konsep dasar, visualisasi, hingga formulasi metamatis.
Dalam buku ini Anda akan berlatih memahami masalah, menvisualisasikannya, memilih teknik dan metode yang sesuai, serta mendesain dan mengimplementasikan sistem klasifikasi atau sistem klasterisasi yang tepat untuk masalah tersebut.
Free Pascal dan GCC (GNU C Compilier)

Pembahasan :
- Apa itu Data Mining?
- Mengapa perlu Data Mining?
- Kegunaan Data Mining
- Aplikasi Data Mining
- Etika dalam Data Mining
- Himpunan Data dan Jenis-Jenis Atribut
- Memahami Data
- Jarak Antar Objek Data
- Prapemrosesan Data
- Konsep Dasar Klasifikasi
- Klasifikasi Bayes
- Dedslon Tree
- Artificial Naural Network
- Support Vector Machine
- Nearest Nelgbh our Rule
- Klarifikasi Berbasis Fuzzy Logic
- Evaluasi dan seleksi Model Klasifikasi
- Konsep Dasar Klasifikasi
- Metode Berbasis Partisi
- Metode Berbasis Hirarki
- Metode Berbasis Kepadatan
- Metode Berbasis Kisi
- Klasterisasi Data Berdimensi Tinggi
- Evaluasi Klasterisasi
- Klasterisasi Untuk Klasifikasi