What is the translation of " THE DATA MINING " in Korean?

• 데이터 마이닝
• data mining

Examples of using The data mining in English and their translations into Korean

All three methods are well established in the data mining field.
세 방법 모두 데이터 마이닝 분야에서 잘 수립된 방법입니다.,All three methods are well established in the data mining field.

Using the Data Mining Wizard to Divide a Mining Structure.
데이터 마이닝 마법사를 사용하여 마이닝 구조 분할Using the Data Mining Wizard to Divide a Mining Structure.

View full size 3/8 Convenient search function and analysis of large quantities of data via the data mining user interface.
View full size 3/8 편리한 검색 기능과 데이터 마이닝 사용자 인터페이스를 통해 방대한 양의 데이터를 분석.

Use the Data Mining Extensions(DMX) language for fast querying and scripting.
빠른 쿼리 및 스크립팅을 위해 DMX(Data Mining Extensions) 언어를 사용합니다. Use the Data Mining Extensions (DMX) language for fast querying and scripting.

Modifying structure properties in the Mining Structure tab of the Data Mining Designer.
데이터 마이닝 디자이너의 마이닝 구조 탭에서 구조 속성을 수정합니다. Modifying structure properties in the Mining Structure tab of the Data Mining Designer.

At the top level, the data mining process is organized into a number of phases; each phase consists of several second-level generic tasks.
최상위 수준에서 데이터 마이닝 프로세스는 다수의 단계로 구성되어 있는데 각 단계는 몇 가지 일반 과제(generic task)로 이루어져 있다.

The following table describes the custom properties of the Data Mining Query transformation.
다음 표에서는 데이터 마이닝 쿼리 변환의 사용자 지정 속성을 설명합니다. The following table describes the custom properties of the Data Mining Query transformation.

Data Mining Wizard Use the Data Mining Wizard to get started creating data mining solutions.
데이터 마이닝 마법사를 사용하여 데이터 마이닝 솔루션 생성을 시작할 수 있습니다. Use the Data Mining Wizard to get started creating data mining solutions.

You can view information about the holdout data set in an existing mining structure by querying the data mining schema rowset.
데이터 마이닝 스키마 행 집합을 쿼리하여 기존 마이닝 구조의 홀드아웃 데이터 집합에 대한 정보를 볼 수 있습니다. You can view information about the holdout data set in an existing mining structure by querying the data mining schema rowset.

An XML tag that identifies the data mining structure that the transformation uses.
ObjectRefObjectRef StringString 변환에서 사용하는 데이터 마이닝 구조를 식별하는 XML 태그입니다. An XML tag that identifies the data mining structure that the transformation uses.

The Data Mining Query Task can be used to run prediction queries based on data mining models built in analysis services.
데이터 마이닝 쿼리 태스크는 Analysis ServicesAnalysis Services에서 작성된 데이터 마이닝 모델을 기반으로 예측 쿼리를 실행합니다. The Data Mining Query task runs prediction queries based on data mining models built in Analysis ServicesAnalysis Services.

Our process model does not attempt to capture all of these possible routes through the data mining process because this would require an overly complex process model.
CRISP-DM의 프로세스 모델은 데이터 마이닝 과정을 통해 실행 가능한 모든 방법을 포착하려고 시도하지 않는데 이는 이러한 작업이 지나치게 복잡한 프로세스 모델을 요구하기 때문이다.

The third step in the data mining process, as highlighted in the following diagram, is to explore the prepared data..
데이터 마이닝 프로세스의 3번째 단계는 다음 다이어그램에 강조 표시된 바와 같이 준비된 데이터를 탐색하는 것입니다. The third step in the data mining process, as highlighted in the following diagram, is to explore the prepared data.

This step includes analyzing business requirements, defining the scope of the problem, defining the metrics by which the model will be evaluated, and defining specific objectives for the data mining project.
이 단계에는 비즈니스 요구 사항 분석, 문제 영역 정의, 모델을 평가할 메트릭 정의 및 데이터 마이닝 프로젝트의 구체적 목표 정의가 포함됩니다. This step includes analyzing business requirements, defining the scope of the problem, defining the metrics by which the model will be evaluated, and defining specific objectives for the data mining project.

For more information about how to use the Data Mining Wizard, see Data Mining Wizard(Analysis Services- Data Mining)..
데이터 마이닝 마법사를 사용하는 방법에 대한 자세한 내용은 데이터 마이닝 마법사(Analysis Services - 데이터 마이닝)를 참조하세요. For more information about how to use the Data Mining Wizard, see Data Mining Wizard (Analysis Services - Data Mining).

The data mining structure stores the definition of the data source and the columns in it in the form of bindings to the source data..
데이터 마이닝 구조에는 데이터 원본 및 열에 대한 정의가 원본 데이터에 대한 바인딩 형식으로 저장됩니다. The data mining structure stores the definition of the data source and the columns in it in the form of bindings to the source data.

Defining the Problem: Analyze business requirements, define the scope of the problem, define the metrics by which the model will be evaluated, and define specific objectives for the data mining project.
이 단계에는 비즈니스 요구 사항 분석, 문제 영역 정의, 모델을 평가할 메트릭 정의 및 데이터 마이닝 프로젝트의 구체적 목표 정의가 포함됩니다. This step includes analyzing business requirements, defining the scope of the problem, defining the metrics by which the model will be evaluated, and defining specific objectives for the data mining project.

Building Models The fourth step in the data mining process, as highlighted in the following diagram, is to build the mining model or models.
데이터 마이닝 프로세스의 4번째 단계는 다음 다이어그램에 강조 표시된 바와 같이 마이닝 모델을 작성하는 것입니다. The fourth step in the data mining process, as highlighted in the following diagram, is to build the mining model or models.

The Data Mining Wizard in SQL Server Data Tools(SSDT) makes it easy to create mining structures and data mining models, using either relational data sources or multidimensional data in cubes.
의 데이터 마이닝 마법사 SQL Server Data Tools(SSDT)SQL Server Data Tools (SSDT) 는 관계형 데이터 원본이나 큐브의 다차원 데이터를 사용하여 마이닝 구조와 마이닝 모델을 쉽게 만들 수 있도록 합니다.

Deploying and Updating Models The last step in the data mining process, as highlighted in the following diagram, is to deploy the models that performed the best to a production environment.+.
데이터 마이닝 프로세스의 마지막 단계는 다음 다이어그램에 강조 표시된 바와 같이 가장 효율적인 모델을 프로덕션 환경에 배포하는 것입니다. The last step in the data mining process, as highlighted in the following diagram, is to deploy the models that performed the best to a production environment.

The data mining system based on hardware-software solutions helps to analyze the process of training and play, overtraining, recovery process, predisposition to the development of certain qualities and predict the interaction between the players in the game.
하드웨어 및 소프트웨어 솔루션을 기반으로 데이터 마이닝 시스템은 교육과 게임 오버 트레이닝 복구 프로세스 특정 품질의 발달 소인을 분석하고 게임에 플레이어 간의 상호 작용을 예측하는 데 도움이됩니다.

The fifth step in the data mining process, as highlighted in the following diagram, is to explore the mining models that you have built and test their effectiveness.+.
데이터 마이닝 프로세스의 5번째 단계는 다음 다이어그램에 강조 표시된 바와 같이 작성한 마이닝 모델을 탐색하고 모델의 효율성을 테스트하는 것입니다. The fifth step in the data mining process, as highlighted in the following diagram, is to explore the mining models that you have built and test their effectiveness.

Preparing Data The second step in the data mining process, as highlighted in the following diagram, is to consolidate and clean the data that was identified in the Defining the Problem step.
데이터 마이닝 프로세스의 두 번째 단계는 다음 다이어그램에 강조 표시된 바와 같이 문제 정의 단계에서 식별한 데이터를 통합하고 정리하는 것입니다. The second step in the data mining process, as highlighted in the following diagram, is to consolidate and clean the data that was identified in the Defining the Problem step.

The first step in the data mining process, as highlighted in the following diagram, is to clearly define the problem, and consider ways that data can be utilized to provide an answer to the problem.
데이터 마이닝 프로세스의 첫 번째 단계는 다음 다이어그램에 강조 표시된 바와 같이 문제를 명확하게 정의하고, 문제에 대한 답을 제공하기 위해 데이터를 활용할 수 있는 방법을 고려하는 것입니다. The first step in the data mining process, as highlighted in the following diagram, is to clearly define the problem, and consider ways that data can be utilized to provide an answer to the problem.

These metrics do not aim to answer the question of whether the data mining model answers your business question; rather, these metrics provide objective measurements that you can use to assess the reliability of your data for predictive analytics, and to guide your decision of whether to use a particular iterate on the development process.
그보다는 예측 분석을 위해 데이터의 안정성을 평가하고 개발 프로세스에서 특정 반복을 사용할지 여부를 결정하도록 돕는 데 사용할 수 있는 객관적인 측정값을 제공하는 것입니다. These metrics do not aim to answer the question of whether the data mining model answers your business question; rather, these metrics provide objective measurements that you can use to assess the reliability of your data for predictive analytics, and to guide your decision of whether to use a particular iterate on the development process.

When there's more noise in the data, the mining is harder.".
데이터에 더 많은 잡음이있을 때, 광업은 더 어렵습니다. ".

In the era of full-scale data mining, the data that Google has is the future of all advertisers, it will be hopeful.
본격적인 데이터 마이닝 시대에 접어들면 구글이 가진 데이터는 모든 광고주의 미래이자 희망이 될 것이다.

The following list describes the content types that are used in data mining, and identifies the data types that support each type.
다음 목록에서는 데이터 마이닝에 사용되는 내용 유형을 설명하고 각 유형을 지원하는 데이터 형식을 식별합니다. The following list describes the content types that are used in data mining, and identifies the data types that support each type.

If you want to review the data in the mining structure, you can create queries by using Data Mining Extensions(DMX).
마이닝 구조의 데이터를 검토하려면 DMX(Data Mining Extensions)를 사용하여 쿼리를 만들면 됩니다. If you want to review the data in the mining structure, you can create queries by using Data Mining Extensions (DMX).

The Privacy Preserving Data Mining.
프라이버시보존데이터마이닝(Privacy Preserving Data Mining).

How to use "the data mining" in an English sentence

How about the data mining Rene?

What are the data mining techniques?

Select the data mining tree model.

How does the data mining happen?

Key result: the Data Mining Pipeline.

What Are The Data Mining Technologies?

Figure 1-1 The Data Mining Process.

Now enter the data mining guys.

The data mining possibilities are endless.

The Data Mining Prediction Query Task.

How to use "데이터 마이닝" in a Korean sentence

데이터 마이닝 알고리즘 비교 분석 데이터 마이닝 알고리즘 비교 분석.

전통적으로, 데이터 마이닝 알고리즘은 이러한 목적으로 개발됐다.

나의 주 관심 분야 데이터 마이닝 수업.

데이터 마이닝 분야 혁신의 황금기를 일깨우는 책이었습니다.

데이터 마이닝 시장조사 데이터 마이닝 시장조사 데이터 마이닝의 정의.

최신 통계, 데이터 마이닝 및 머신러닝 기법.

과거의 데이터 마이닝 모델과 크게 다르지 않다.

대부분의 데이터 마이닝 기법은 프로세스 중심이 아니다.

CRM데이터마이닝(군집분석과 의사결정나무 기법을 중심으로) [마케팅관리] 데이터 마이닝 데이터 마이닝 1.

서울대학교 컴퓨터공학부 데이터 마이닝 연구실에 오신 것을 환영합니다.