Існуючі підходи до аналізу
Досить довго дисципліна Data Mining не
визнавалася повноцінною самостійною
областю аналізу даних, іноді неї називають
"задвірками статистики" (Pregibon,
1997).
На сьогоднішній день визначилося кілька
точок зору на Data Mining. Прихильники однієї
з них уважають його міражем, що відволікає
увагу від класичного аналізу даних.
Прихильники іншого напрямку – це ті,
хто приймає Data Mining як альтернативу
традиційному підходу до аналізу. Є й
середина, де розглядається можливість
спільного використання сучасних
досягнень в області Data Mining і класичному
статистичному аналізі даних.
Технологія Data Mining постійно розвивається,
залучає до себе все більший інтерес як
з боку наукового світу, так і з боку
застосування досягнень технології в
бізнесі.
Щорічно проводиться безліч наукових і
практичних конференцій, присвячених
Data Mining, одна йз яких – Міжнародна
конференція по Knowledge Discovery Data Mining
(International Conferences on Knowledge Discovery and Data Mining).
Серед найбільш відомих WWW-джерел – сайт
www.kdnuggets.com, що веде один із засновників
Data Mining Григорій Піатецький-Шапіро.
Періодичні видання по Data Mining: Data Mining and
Knowledge Discovery, KDD Explorations, ACM-TODS, IEEE-TKDE, JIIS, J.
ACM, Machine Learning, Artificial Intelligence.
Матеріали конференцій: ACM-SIGKDD, IEEE-ICDM,
SIAM-DM, PKDD, PAKDD, Machine learning (ICML), AAAI, IJCAI, COLT
(Learning Theory).