Preguntas de minería de datos en idiomas españoles
Preguntas de minería de datos en idiomas españoles
Estas preguntas y respuestas de selección múltiple de minería de datos lo ayudarán a comprender mejor el tema de la minería de datos. Puede prepararse para su próximo examen o entrevista con estos 100+ MCQ Data Collection.
Así que desplácese hacia abajo y comience a responder.
1: ¿Qué industria puede beneficiarse de la minería de datos?
A. Todos estos
B. Minorista
C. Fabricación
D. Banca financiera
2: ¿Con cuál de estas capas comienza una red neuronal?
A. Capa de salida
B. Capa oculta
C. Capa transparente
D. Capa de entrada
3: Los cambios en partes de un código podrían conducir al problema de los datos ______________.
A. inconsistente
B. sucio
C. no integrado
D. granular
4: En una red neuronal, ¿a qué se refiere la topología?
A. El rango de variables en un conjunto
B. El número de nodos utilizados
C. La visualización gráfica de los datos
D. El número de capas y el número de nodos en cada capa
5: ¿Cuál de los siguientes algoritmos de agrupación puede encontrar grupos de forma arbitraria?
A. Un solo enlace
B. Dsbscan
C. Ambos
D. Ninguno de esos
6: Los árboles de decisión pueden manejar valores faltantes sin usar ninguna transformación de imputación. ¿Verdadero o falso?
A. FALSO
B. Verdadero
7: Un algoritmo (n) _____ crea reglas que describen con qué frecuencia se han producido eventos juntos.
A. Chaido
B. artificial
C. poda
D. asociativo
8: ¿Cuál de los siguientes es XML válido?
A. & lt; Body Respuesta = " Válido " & gt; este & lt;/Body & gt;
B. & lt; válido & gt; este & lt;/válido & gt;
C. & lt; válido & gt; " Este " & lt;/válido & gt;
D. Todos son válidos
9: ¿Cuál de las siguientes no es una base de datos relacional?
A. Todo lo anterior
B. Apache Cassandra
C. Grandes mesa de Google
D. Mongodb
10: ¿Qué es la visualización de datos?
A. El término técnico para el acto de datos que se almacenan en un servidor
B. Una predicción estructurada y desarrollada de los resultados de los datos
C. La interpretación visual de relaciones complejas en datos multidimensionales
11: ¿Qué es un proceso KDD?
A. Descifrado diferencial
B. Knoop-Hardness medido a través de una dimensión de alto impacto
C. Descubrimiento de conocimiento en bases de datos
D. K-Mean Data Discovery
12: ¿Cuáles de estos no son tipos de software analítico?
A. Todos son tipos válidos
B. Red neuronal
C. Estadístico
D. Aprendizaje automático
13: ¿Verdadero o falso? Los indicadores económicos son factores de datos externos.
A. FALSO
B. Verdadero
14: ¿Cuál de las siguientes disciplinas se superpone a la minería de datos?
A. Todo lo anterior
B. Inteligencia artificial
C. Estadísticas
D. Lingüística
15: En los modelos predictivos, los valores o clases a predecir se denominan:
A. Dependiente
B. Todos estos
C. Respuesta
D. Variables objetivo
16: Usted es un gerente de riesgo de crédito de un banco minorista. Algunas información sobre los clientes están disponibles para el análisis. Según estos datos, debe decidir que una persona será un cliente bueno o malo. Elija la tarea de minería de datos adecuada para estos problemas comerciales.
A. Clasificación
B. Regresión
C. Segmentación
17: Los elementos de datos agrupados en relaciones y preferencias se conocen como:
A. Conjuntos predecibles
B. Organizaciones de anuncios
C. Grados de ajuste
D. Grupos
18: ¿Qué son los árboles de decisión?
A. Informes complejos generados por un científico de datos calificado
B. Dimensiones jerárquicas que se pueden crear con un navegador Hyper Cube
C. Datos no recopilados por la organización, como los datos disponibles de un libro de referencia
D. Estructuras que generan reglas para la clasificación de un conjunto de datos
19: ¿Cuáles son los métodos populares de minería de datos?
A. Modelos de aprendizaje relacional
B. Árboles de decisión y reglas
C. Todos estos
D. Modelos de dependencia gráfica probabilística
20: ¿Verdadero o falso? La arquitectura de minería de datos de acoplamiento suelto es principalmente para sistemas de minería de datos basados en memoria que no requieren alta escalabilidad y alto rendimiento.
A. FALSO
B. Verdadero
21: ¿Qué es CRISP-DM?
A. Un árbol de decisión desarrollado en 1980 ' s pero casi completamente reemplazado por el método del carrito de hoy
B. Un método de seis fases para predecir los hábitos de compra de comercio electrónico
C. Algoritmo de regresión lineal de Microsoft '
D. Un proceso estándar de la industria cruzada para la minería de datos
22: Una función utilizada por un nodo en una red neuronal para transformar datos de entrada de cualquier dominio de valores en un rango finito de valores se conoce como (n):
A. Antecedente
B. Función de activación
C. Matriz de confusión
D. Chi-cuadrado
23: ¿Verdadero o falso? Las pruebas en el carrito son siempre binarias.
A. Verdadero
B. FALSO
24: ¿Cuál es la medida de cuánto cambian dos variables aleatorias juntas?
A. desviación estándar binaria
B. covarianza
C. policonvergencia
D. inercia estocástica
25: ¿Cuál de estos es un ejemplo de una relación de patrón secuencial?
A. Uso de la experiencia comercial y el instinto para diseñar un nuevo plano en una tienda de comestibles
B. Reorganizar la alineación inicial de su equipo de baloncesto basada en un análisis de rendimiento
C. Colocar dos artículos comprados frecuentemente uno al lado del otro en el estante
D. Predecir la probabilidad de que se compre una mochila en función de la compra de sacos de dormir y zapatos de senderismo de un consumidor
26: Los ingresos anuales de una compañía internacional se correlacionan con otros atributos como publicidad, tipo de cambio, tasa de inflación, etc. Tener estos valores (o sus estimaciones confiables para el próximo año) la compañía tiene que calcular sus ingresos esperados para el próximo año. Elija la tarea de minería de datos apropiada para este problema comercial.
A. Segmentación
B. Clasificación
C. Regresión
27: ¿Cuál es la capa frontal de la arquitectura de minería de datos?
A. Una interfaz de usuario intuitiva y fácil de usar
B. Firewalls establecidos para proteger los datos de fuentes maliciosas
C. El hardware diseñado específicamente para el almacenamiento de cantidades masivas de datos
D. El equipo de programadores que diseñó el software utilizado en un proyecto minero en particular
28: Un hiperplano es un
A. Límite de decisión Separación de clases de datos
B. variante del algoritmo C4.5
C. Colección de archivos de hipertexto vinculados
D. condición de error no terminado
29: Los datos no recopilados por la organización, como los datos de una base de datos patentada, que se combinan con los datos propios de la organización se conoce como:
A. Superpuesto
B. Exagerado
C. Ruido
D. Fecha no aplicable
30: ¿Cuáles de estos no se consideran factores de datos internos?
A. Precio
B. Recesiones económicas
C. Habilidades del personal
D. Posicionamiento del producto
31: ¿Qué técnica de minería de datos organiza conjuntos de datos en grupos predefinidos?
A. Patrón secuencial
B. Agrupación
C. Clasificación
D. Gamificación
32: El nivel del modelo que especifica (a menudo gráficamente) qué variables dependen localmente entre sí.
A. Nivel estructural
B. Nivel cualitativo
C. Nivel primario
D. Nivel cuantitativo
33: Para aumentar la confianza de su estado de rendimiento de clasificación en toda la población, debe:
A. Disminuir el tamaño del conjunto de datos de entrenamiento
B. Aumentar el tamaño del conjunto de datos de capacitación
C. Aumente el tamaño del conjunto de datos de prueba
D. Disminuir el tamaño del conjunto de datos de prueba
34: El algoritmo que alimenta el motor de búsqueda de Google es:
A. Adaboost
B. El método Brin-Page
C. Googlecrawler
D. Rango de página
35: En la asociación entre dos variables, ¿cuál es la diferencia entre el antecedente y el consecuente?
A. El antecedente es siempre una variable muy compleja
B. Nada, son intercambiables
C. El antecedente está a la derecha, el consecuente está a la izquierda.
D. El antecedente está a la izquierda, el consecuente a la derecha
36: En el análisis de los datos de la serie temporal, el valor medio durante un período de tiempo determinado (generalmente algún intervalo en el pasado hasta el presente) se llama (n)
A. promedio parcial
B. media imparcial
C. media compuesta
D. media móvil
37: ¿Qué es la regresión?
A. Aprender una función que asigna un elemento de datos en uno de varios grupos predefinidos.
B. Una expresión e en un lenguaje l describiendo hechos en un subconjunto Fe de F.
C. Una tarea descriptiva en la que se busca identificar un conjunto finito de categorías para describir los datos.
D. Aprender una función que asigna un elemento de datos a una variable de predicción de valor real.
38: ¿Qué es el modelado de dependencia?
A. Un proceso de varios pasos que involucra la preparación de datos, búsqueda de patrones, evaluación de conocimiento y refinamiento con iteración después de la modificación.
B. Aprender una función que asigna un elemento de datos en uno de varios grupos o grupos predefinidos.
C. El proceso de encontrar un modelo que describe dependencias significativas entre las variables
D. Una tarea que consiste en técnicas para estimar, a partir de los datos, la función de densidad de probabilidad multvariable conjunta de todas las variables/campos en la base de datos.
39: ¿Cuál de estos no es una descripciones comunes de capas?
A. Oculto
B. Aporte
C. Producción
D. Funcional
40: El fragmento se refiere a:
A. una medida del ruido en un contenido de una base de datos
B. Partir una base de datos para su distribución en diferentes servidores
C. Accediendo simultáneamente a las bases de datos de objetos múltiples a través de SSH
D. Ninguna de las anteriores
41: ¿Qué es el cambio y la detección de desviación?
A. Una tarea que se centra en descubrir los cambios más significativos en los datos de valores medidos o normativos previamente medidos
B. Métodos para encontrar una descripción compacta para un subconjunto de datos.
C. El proceso de encontrar un modelo que describe dependencias significativas entre variables
D. Una tarea que consiste en técnicas para estimar, a partir de los datos, la función de densidad de probabilidad multvariable conjunta de todas las variables/campos en la base de datos.
42: ¿Cuál es el tipo de minería de datos que impulsa el sistema de recomendación de Amazon.com?
A. Lógica difusa
B. Aprendizaje de la asociación
C. Detección de anomalías
D. Algoritmos de agrupación
43: ¿Cuál de los siguientes algoritmos es generalmente adecuado para tareas de aprendizaje no supervisadas?
A. Máquina Boltzmann restringida
B. Redes de información de información
C. K-Near más vecino
D. algoritmo k-means
44: ¿Cuál de las siguientes soluciones de almacenamiento es más apropiada para un conjunto de datos semiestructurado cuyos miembros no tienen los mismos atributos?
A. Mongodb
B. Sqlite
C. Mysql
D. Mariada
45: Para estimar el rendimiento de clasificación en una población completa, necesita _______
A. (Ninguno de esos)
B. Capacitación disjunta
C. Conjuntos de datos
D. Entrenamientos de capacitación y prueba de desargoración de conjuntos de datos
46: El error de generalización es una consecuencia de
A. Overfit
B. Análisis paramétrico
C. Poco fijo
D. Boundoff mal definido mal definido
47: ¿Cuáles de estos son métodos computacionales evolutivos?
A. Algoritmos heurísticos
B. Algoritmos de inferencia bayesiana
C. Algoritmos genéticos
D. Algoritmos de agrupación
48: Las máquinas vectoriales de soporte tienen una ventaja sobre las redes neuronales porque son svm ' s
A. Ninguna de las anteriores
B. Más fácil de entrenar a través del aprendizaje en línea
C. más resistente a la convergencia mínima local
D. paramétrico
49: ¿Cuál de los siguientes no es un sistema fuente común?
A. Nodo
B. Fuente de SAP
C. UDC
D. DB Connect
50: Una técnica que clasifica cada registro en un conjunto de datos basado en una combinación de las clases de los registros K más similares en un conjunto de datos histórico es:
A. Vecino más cercano
B. Regresión logística
C. Consulta de modelo de asociación
D. Árbol de decisión
51: ¿Cuál es la extracción de reglas útiles IF-Then de los datos basados en la significación estadística?
A. Mapeo de métodos preliminares
B. Inducción de reglas
C. Aplicación lógica difusa
D. Inferencia de información dinámica
52: ¿Qué es la clasificación?
A. Métodos para encontrar una descripción compacta para un subconjunto de datos.
B. Aprender una función que asigna un elemento de datos en uno de varios grupos predefinidos.
C. Un patrón descubierto que es cierto en nuevos datos con cierto grado de certeza, y se generaliza a otros datos.
D. Una tarea descriptiva en la que se busca identificar un conjunto finito de categorías para describir los datos.
53: ¿Cuál de los siguientes no es una función de los almacenes de datos?
A. Limpieza de datos sucios
B. Extracción de datos
C. Datos de limpieza
D. Almacenamiento de datos comprados
54: ¿Verdadero o falso? El algoritmo de Marte no puede producir reglas.
A. Verdadero
B. FALSO
55: ¿Cuál de los siguientes es más apropiado para encontrar la cadena de amigos más corta que vincula a dos personas en un gráfico social que no son amigos entre sí?
A. algoritmo K-means
B. Cadenas de Markov
C. Algoritmo de Dijkstra
D. Redes neuronales
56: ¿Cuál de los siguientes no es un objetivo común del proceso KDD:
A. Descripción
B. Actuación
C. Predicción
57: ¿Qué es un algoritmo genético?
A. Un algoritmo de búsqueda que nos permite localizar una cadena binaria óptima procesando una población aleatoria inicial de cadenas binarias mediante operaciones realizadas como mutación artificial, crossover y selección.
B. Un algoritmo que estima qué tan bien un patrón particular (un modelo y sus parámetros) cumple con los criterios del proceso KDD. La evaluación de la precisión predictiva (validez) se basa en la validación cruzada. La evaluación de la calidad descriptiva implica un predictivo A
C. Un algoritmo clásico para el aprendizaje de reglas de minería y asociación de conjuntos de elementos frecuentes sobre bases de datos transaccionales. Continúa identificando los elementos individuales frecuentes en la base de datos y extendiéndolos a conjuntos de elementos cada vez más grandes siempre que esos elementos S
58: ¿Qué es la interesante?
A. Una medida general del valor del patrón, combinando validez, novedad, utilidad y simplicidad.
B. Una expresión e en un lenguaje l describiendo hechos en un subconjunto Fe de F.
C. Un proceso de varios pasos que involucra la preparación de datos, búsqueda de patrones, evaluación de conocimiento y refinamiento con iteración después de la modificación.
D. Un patrón descubierto que es cierto en nuevos datos con cierto grado de certeza, y se generaliza a otros datos.
59: En el modelo MapReduce, MAP y Reduce las funciones actúan directamente sobre qué tipo de estructura de datos?
A. Matrices mysql
B. listas vinculadas
C. bases de datos relacionales
D. par de valores clave
60: En el procesamiento del lenguaje natural, ¿cuál es el papel de un analizador léxico?
A. Verifica la validez de un token
B. divide la corriente de caracteres de entrada en tokens
C. genera una gramática sin contexto
D. procesa el árbol de análisis para el significado semántico
61: ¿Qué es la agrupación?
A. Una tarea que consiste en técnicas para estimar, a partir de los datos, la función de densidad de probabilidad multvariable conjunta de todas las variables/campos en la base de datos.
B. Una tarea descriptiva en la que se busca identificar un conjunto finito de categorías para describir los datos.
C. Aprender una función que asigna un elemento de datos en uno de varios grupos o grupos predefinidos.
D. El proceso de encontrar un modelo que describe dependencias significativas entre variables
62: Un DBMS reduce la redundancia de datos e inconsistencia por
A. Utilización de un diccionario de datos
B. Programa y datos de desacoplamiento
C. Minimizar archivos aislados con datos repetidos
D. Hacer cumplir la integridad referencial
63: ¿En qué tipo de análisis se emplea un mapa de características de Kohonen?
A. Análisis de modelado descriptivo
B. Análisis de conglomerados
C. Análisis exploratorio de datos
D. Análisis predictivo
64: ¿Cuál de los algoritmos de agrupación de Followng puede optimizar una función ojbectiva?
65: La información convertida para proporcionar información sobre patrones históricos y tendencias futuras se conoce como:
A. Regresión lineal
B. Agrupación
C. Conocimiento
D. Meta-data
66: ¿Cuál de las siguientes propiedades se aplica a los perceptrones de una sola capa?
A. backpropagation
B. initalización aleatoria de pesos
C. salida continua
D. capaz de aprender separaciones no lineales
67: ¿Cuál de los siguientes no es un método para combinar múltiples modelos en un modelo de conjunto?
A. Votación
B. Apilado
C. Promedio
D. Bootstrapping
68: ¿Qué es el resumen?
A. Una tarea que se centra en descubrir los cambios más significativos en los datos de los valores medidos o normativos previamente medidos
B. Una tarea descriptiva en la que se busca identificar un conjunto finito de categorías para describir los datos.
C. El proceso de encontrar un modelo que describe dependencias significativas entre variables
D. Métodos para encontrar una descripción compacta para un subconjunto de datos.
69: " en el 2% de las compras en la ferretería, se compraron una selección y una pala ", es un ejemplo de:
A. Validación
B. Apoyo
C. Aprendizaje supervisado
D. Topología
70: Una alternativa continua comúnmente utilizada a la función de paso en la salida de la red neuronal de múltiples capas es el
A. función logística
B. NN de varias capas no puede calcular la salida continua
C. función hiperbólica
D. función logarítmica
71: Que es cerdo
A. Un lenguaje de programación que permite a Hadoop operar como un almacén de datos.
B. Ninguno de esos
C. Un lenguaje de programación que simplifica las tareas comunes de trabajar con Hadoop.
72: Tomar múltiples muestras aleatorias de datos y construir un modelo de clasificación para cada uno se conoce como:
A. Muestreo difuso
B. Binning
C. Aumento de
D. Agrupación
73: ¿Qué expresión del selector XPath captura todos los elementos de enlace de la forma ' http: //example.com/profile/12345' en una página HTML mientras excluye todos los enlaces del formulario ' http: //example.com/casenumber/12345?
A. // a/[contiene (@href, " perfil ")]
B. // a/[contiene (@href, " perfil ")]/@href
C. // href/perfil
D. //un perfil
74: ¿Cuál de los siguientes algoritmos produce árboles de decisión?
A. Dbscan
B. ID3
C. Ninguna de las anteriores
D. Regresión logística
75: ¿Cuál de las siguientes propiedades es una restricción en una aplicación RESTful?
A. apátrate
B. linealmente separable
C. Devuelve la salida de JSON
D. de estado
76: El componente del sistema de archivos distribuido Hadoop responsable de almacenar metadatos se llama
A. Datanode
B. Fs caparazón
C. Dfsadmin
D. Namenode
77: Si se produce más de un valor el mismo número de veces, los datos son:
A. Multifacético
B. Múltiple
C. Multivariado
D. Multimodal
78: ¿Cuál es el primer paso en la fase de comprensión del negocio?
A. Comprende firmemente los objetivos y necesidades comerciales
B. Evaluar la situación actual descubriendo los recursos, supuestos, restricciones, etc.
C. Crear objetivos de minería de datos para lograr los objetivos comerciales
D. Cree una lista de todos los algoritmos relevantes que se aplicarán a la tarea
79: ¿Qué es Curl?
A. Una herramienta de línea de comandos para recuperar archivos
B. Una metodología para clasificar las características ocultas de los datos
C. La parte de HTTP que especifica el permiso de acceso
D. Algoritmo de aprendizaje recursivo combinatorial no supervisado
80: El nivel del modelo que especifica las fortalezas de las dependencias utilizando alguna escala numérica.
A. Nivel numérico
B. Nivel primario
C. Nivel de dependencia
D. Nivel cuantitativo
81: Apriori es un algoritmo seminal para encontrar conjuntos de elementos frecuentes usando:
A. Modelos de mezcla normal
B. Generación candidata
C. Métodos de sobreajuste
D. Ninguno de esos
82: El protocolo de autenticación utilizado por muchas API web significativas se llama:
A. Https
B. PGP
C. Oauth
D. Ssl
83: ¿Cuál de estos no es un paso en el proceso KDD?
A. Integración de datos
B. Procesamiento de datos
C. Limpieza de datos
D. Cuantificación de datos
84: ¿Cuál de las siguientes aplicaciones se usa generalmente para clasificar a los estudiantes ' actuaciones?
A. Análisis de conglomerados
B. Si ... entonces ... Análisis
C. Análisis de regresión
D. Análisis de la cesta del mercado
85: En cualquier conjunto de datos numéricos con un valor medio significativo, ¿cuál es la fracción mínima de los datos que caerá dentro de las desviaciones estándar de la media?
A. 1/n^2
B. 1/n
C. 1-1/n^2
D. 1/2n
86: ¿Cuál de los siguientes métodos se puede utilizar para modelar una variable de destino categórica?
A. Todo lo anterior
B. Regresión logística
C. Arima
D. Regresión no lineal
E. Regresión
87: ¿Cuál de los siguientes no es una fase primaria de un reductor de Hadoop?
A. Clasificar
B. Reducir
C. Mapa
D. Barajar
88: ¿Cuál de estos es una posible arquitectura de un sistema de minería de datos?
A. No acoplamiento
B. Acoplamiento Magnético
C. Acoplamiento transitivo
D. Acoplamiento rápido
89: ¿Verdadero o falso? Las redes neuronales artificiales son modelos predictivos lineales.
A. Verdadero
B. FALSO
90: Las diferencias medidas entre un modelo y sus predicciones se conocen como:
A. Ruido
B. Valores atípicos
C. Rango
D. Datos no aplicables
91: La técnica basada en el hash, la reducción de la transacción, la porción, el muestreo y el recuento de elementos dinámicos son ejemplos de qué?
A. Técnicas para mejorar la eficiencia de un algoritmo Apriori
B. Método para escanear repetidamente el escaneo de la base de datos y verificar un gran conjunto de candidatos mediante la coincidencia de patrones.
C. Métodos para generar conjuntos de elementos frecuentes sin generación de candidatos.
D. Métodos para encontrar una descripción compacta para un subconjunto de datos.
92: ¿Cuál de los siguientes es parte de una estrategia minorista de minería de datos de clientes?
A. Recomendaciones de clientes
B. venta de vacaciones
C. Garantía de devolución del dinero
D. Tarjetas de lealtad
93: ¿Qué método de árbol de decisión realiza divisiones multinivel al calcular los árboles de clasificación?
A. ID3 (dicotomizador iterativo 3)
B. Algoritmo C4.5
C. Cart (árboles de clasificación y regresión)
D. CHAID (Detección de interacción automática de Chi Square)
94: ¿Cuál es la ventaja del algoritmo de agrupación de medidas K sobre el algoritmo de agrupación de K-means?
A. Utiliza un refinamiento iterativo
B. más resistente a los valores atípicos
C. todo lo anterior
D. representa grupos por centro
95: Las dos funciones principales de los servidores BI son:
A. Procesamiento y gestión
B. Fuente y resultados
C. Gestión y entrega
D. Aplicación y entrega
96: ¿Cuál de las siguientes no es una herramienta apropiada para recolectar datos de un sitio web que accede a su base de datos a través de llamadas JavaScript/AJAX?
A. Todos los anteriores son apropiados
B. Selenio
C. Fantomjs
D. wget
97: Un enfoque descriptivo para explorar datos que puede ayudar a identificar las relaciones entre los valores en una base de datos es:
A. Análisis predictivo
B. Activación de funciones
C. Análisis de enlaces
D. Agrupación
98: ¿Cómo se mide la interesante en los patrones de asociación?
A. medir varianza
B. medir relevancia
C. precisión
D. Medir ascensor
99: ¿Cuál de los siguientes no es válido JSON?
A. {" Respuesta ": " Este "}
B. {" respuesta ": [" Este "]}
C. {[" respuesta ": " este "]}
D. Todos son válidos
100: ¿Dónde puede un operador del sitio web generalmente encontrar datos sobre sus clientes '? ¿Direcciones IP?
A. Encabezados de solicitud de http
B. galletas
C. Filos de registro del servidor
D. todo lo anterior
List of Preguntas de minería ...
Available in:
Data Mining MCQs
Вопросы Сбор данных на русском языке
Preguntas de minería de datos en idiomas españoles
日本語でのデータマイニングの質問
Domande di Data Mining in lingua italiana
Questions de Data Mining en langues françaises
Questões de Data Mining em Língua Portuguesa
Data-Mining-Fragen in deutschen Sprachen
中文（简体）语言的数据挖掘问题
أسئلة التنقيب عن البيانات باللغات العربية
Soal Data Mining dalam bahasa Indonesia
Türkçe dillerinde Veri Madenciliği soruları
