لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 16 اسلاید
قسمتی از متن powerpoint (..pptx) :
داده کاوی فهرست + مقدمه --------------------------------------------- 4 حوزه فعالیتهای داده کاوی ---------------------------- 5 روش آنالیز آماری ----------------------------------- 7 روش داده کاوی ------------------------------------- 7 مراحل کاری در داده کاوی -------------------------- 12 مثال تفهیمی در مورد داده کاوی --------------------- 12 مراجع --------------------------------------------- 14 نتیجه گیری ---------------------------------------- 15 مقدمه پيشينه طرح موضوع دادهكاوي به دهه 1980 و به صورت جدي، به دهه 1990 برميگردد. پيش از آن٬ از سيستمهاي جمعآوري و مديريت دادهها و اصطلاحاً لايروبي دادهها استفاده ميشد٬ اما به مرور زمان٬ استخراج و كشف سريع و دقيق اطلاعات با ارزش و پنهان از پايگاه دادهها بهعنوان دادهكاوي مورد توجه قرار گرفت. به اين شكل بود كه فرايند دادهكاوي به عنوان فرايند آماري و تجزيه و تحليل درفرايند كشف دانش در پايگاه دادهها ( KDD ) پررنگ شد ،به حدي كه گاه٬ دادهكاوي ( DM ) بهعنوان مترادف كشف دانش در پايگاه دادهها( KDD ) مورد استفاده قرار ميگرفت [2] . امروزه فرايند استخراج اطلاعات معتبر٬ از پيش ناشناخته٬ قابل فهم و قابل اعتماد از پايگاه دادههاي بزرگ و استفاده از آن در تصميمگيري و در فعاليتهاي تجاري دادهكاوي ناميده ميشود [1] . در تعاريف متعدد و متنوع براي دادهكاوي برموضوعاتي نظير: استخراج دانش كلان٬ كاوش در دادهها٬ تجزيه و تحليل دادهها و يافتن روابط و الگوهاي مطمئن بين دادهها تاكيد ميشود. هدف نهايي دادهكاوي٬ ايجاد سيستمهاي پشتيباني تصميمگيري سازماني است. دادهكاوي به استخراج اطلاعات مفيد و دانش از حجم زياد دادهها ميپردازد. دادهكاوي٬ الگوهاي حاوي اطلاعات را در دادههاي موجود جستوجو ميكند. اين الگوها و الگوريتمها، ميتوانند توصيفي باشند يعني دادهها را توصيف كنند و يا جنبه پيشبيني داشته باشند، يعني از متغيرها براي پيشبيني ارزشهاي ناشناخته ساير متغيرها بهكار روند. دادهكاوي توصيفي، بهدنبال يافتن اگرها در فعاليتها يا اقدامات گذشته است و دادهكاوي پيشبينانه با نگاه به سابقه٬ رفتار آینده را پيشبيني ميكند [1] . حوزه فعالیتهای داده کاوی هدف دادهكاوي٬ تجزيه و تحليلاكتشافي دادهها٬ كشف الگوها و قواعد و الگوريتمها٬ مدلسازي پيشبينانه وجستوجوي انحرافات است. براي انجام اين هدف٬ فرايند دادهكاوي درجهت كشف دانش درمراحل مختلف انجام ميشودكه عبارت است از: 1. شناسايي هدف و فهم حوزه كاربرد آن است و مشخص ميكند كه چهكاري٬ در چه حوزهايانجام خواهد شد. 2. انتخاب دادهها يعني تعيين اهداف براي تجزيه و تحليل و كشفآن 3. آمادهسازي دادهها شامل تميزسازي دادهها 4. اتخاذ بهترين روشدادهكاوي براي دستيابي به اهداف 5. اجراي دادهكاوي يعني بهكارگيريالگوريتم 6. ارزيابي و اعتبارسنجي يافتهها 7. استفاده از نتايج و تثبيت وتحكيم دانش كشف شده 8. تصميم گيري براساس دانش كشف شده اکتشاف در این مرحله معمولا با آماده سازی داده ها که ممکن است شامل تمیز کردن داده ها ، تبدیل داده ها ، زیر مجموعه های انتخاب آثار ضبط شده و انجام برخی از عملیات اولیه انتخابشروع می شود . سپس بسته به ماهیتتحلیلی ، این مرحله از فرایند استخراج داده ها ممکن است شامل هر انتخاب ساده و سرراست برای یک مدل رگرسیون استادانه درست شده را به تجزیه و تحلیل اکتشافی با استفاده از طیف گسترده ای از روش های گرافیکی و آماری به منظور شناسایی متغیرهای مربوطه و تعیین پیچیدگی از طبیعت مدل ها باشد. البته ناگفته نماند که داده کاوی معمولا با نوشتنمقدار زیادی گزارش و تحقیق و استعلام در آنها اشتباه گرفته می شود. اما در واقعداده کاوی هیچ کدام از اینها را شامل نمی شود. داده کاوی توسط تجهیزات خاصی صورتمی پذیرد، که عملیات کاوش را بر اساس تجزیه و تحلیل مکرر داده ها انجام می دهد
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 32 اسلاید
قسمتی از متن powerpoint (..ppt) :
بسم الله الرحمن الرحیم داده کاوی فهرست مطالب مقدمه سابقه داده کاوی بخش اول – مفهوم داده کاوی 1-1 – فرآيند داده کاوی 1-2 – ابزارهای داده کاوی 1-2-1 – هم پيوندی 1-2-2 – طبقه بندی 1-2-3 – الگوهای ترتيبی 1-2-4 – خوشه بندی 1-3 – کاربردهای داده کاوی 1-3-1 – کاربردهای تجاری 1-3-2 – کاربردهای علمی 1-3-3 – کاربردهای امنيتی بخش دوم – داده کاوی توزيع شده بخش سوم – عامل ها ، سِستمهای چند عامله و داده کاوی توزيع شده 3-1 – عامل 3-2 – سيستمهای چند عامله بخش چهارم – پروسه ی کشف دانش از پايگاه داده 4-1 – ويژگی های KDD 4-1-1 – استخراج داده ها 4-1-2 – آماده کردن داده ها 4-1-3 – مهندسی داده ها 4-1-4 – مهندسی الگوريتم و تعيين استراتژی های کاوش 4-1-5- اجرای الگوريتم كا و ش و ارزيابی نتايج مقدمه از هنگامی که رايانه در تحليل و ذخيره سازی داده ها بکار رفت (1950) پس از حدود 20 سال، حجم داده ها در پايگاه داده ها دو برابر شد. ولی پس از گذشت دو دهه و همزمان با پيشرفت فن آوری اطلاعات (IT) هر دو سال يکبار حجم داده ها، دو برابر شد. همچنين تعداد پايگاه داده ها با سرعت بيشتری رشد نمود. اين در حالی است که تعداد متخصصين تحليل داده ها و آمارشناسان با اين سرعت رشد نكرد . حتی اگر چنين امری اتفاق می افتاد، بسياری از پايگاه داده ها چنان گسترش يافته اند که شامل چندصد ميليون يا چندصد ميليارد رکورد ثبت شده هستند و امکان تحليل و استخراج اطلاعات با روش های معمول آماری از دل انبوه داده ها مستلزم چند روز کار با رايانه های موجود است. حال با وجود سيستم های يکپارچه اطلاعاتی، سيستم های يکپارچه بانکی و تجارت الکترونيک، لحظه به لحظه به حجم داده ها در پايگاه داده های مربوط اضافه شده و باعث به وجود آمدن انبارهای عظيمی از داده ها شده است به طوری که ضرورت کشف و استخراج سريع و دقيق دانش از اين پايگاه داده ها را بيش از پيش نمايان کرده است . چنان که در عصر حاضر گفته مي شود « اطلاعات طلاست» سابقه داده کاوی داده کاوی و کشف دانش در پايگاه داده ها از جمله موضوع هايی هستند که همزمان با ايجاد و استفاده از پايگاه داده ها در اوايل دهه 80 برای جستجوی دانش در داده ها شکل گرفت. شايد بتوان لوول (1983) را اولين شخصی دانست که گزارشی در مورد داده کاوی تحت عنوان « شبيه سازی فعاليت داده کاوی » ارائه نمود . همزمان با او پژوهشگران و متخصصان علوم رايانه، آمار، هوش مصنوعی، يادگيری ماشين و . . . نيز به پژوهش در اين زمينه و زمينه های مرتبط با آن پرداخته اند.
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 60 اسلاید
قسمتی از متن powerpoint (..ppt) :
داده کاوی , مفاهيم، روشها، کاربردها و آينده 2 فهرست مطالب مقدمه معرفی داده کاوی و دلايل پيدايش آن جايگاه داده کاوی در علوم کامپيوتر مراحل و اجزای يک فرآيند داده کاوی کاربردهای داده کاوی کاربردهای تجاری کاربردهای علمی کاربردهای امنيتی تکنيکهای داده کاوی دسته بندی قوانين تداعی خوشه بندی آينده داده کاوی: کاربردهای جديد، چالشها و دستاوردها تشخيص ناهمگونی داده کاوی توزيع شده داده کاوی و حريم خصوصی 3 داده کاوی و دلايل پيدايش آن توسعه تکنولوژيهای ذخيره و بازيابی اطلاعات افزايش روزافزون حجم اطلاعات ذخيره شده تنوع بسيار زياد در اطلاعات موجود بانکهای اطلاعاتی فايلهای چندرسانه ای (تصاوير متحرک، فايلهای صوتی) اطلاعات متنی و فاقد ساختار آرشيوهای اطلاعاتی، به دليل حجم بسيار زياد، غالبا به مقبره های اطلاعات تبديل می شوند. عليرغم هزينه های سنگين در بخش تکنولوژی اطلاعات، بسياری از تصميمها همچنان در فقر اطلاعاتی اتخاذ می گردند. از قابليتهای بالقوه اطلاعات ذخيره شده استفاده نمی شود. نياز به تبديل اطلاعات به دانش در بسياری زمينه ها آشکار گرديده است. وقايعی نظير 11 سپتامبر، لزوم خودکار يا حداقل نيمه خودکار بودن فرآيند تبديل اطلاعات به دانش را به خوبی نشان می دهند. داده کاوی به دهه 80 برمی گردد. داده کاوی با تلاش برای اعمال تکنيکهای هوش مصنوعی بر روی بانکهای اطلاعاتی آغاز گرديد. 4 پردازش اطلاعات: از فايلهای متنی تا داده کاوی حرکت از روشهای ابتدائی پردازش اطلاعات به داده کاوی، همواره برحسب نياز حوزه های مختلف بوده است. سير کلی تکنولوژی پردازش اطلاعات را می توان به صورت زير خلاصه کرد: فايلها: اطلاعات ناهمگون، فاقد ساختار مشخص، اشتباهات متعدد، پردازش در حد تهيه فهرست بانکهای اطلاعاتی خاص: اطلاعات ناهمگون، اشتباهات نسبتا کمتر، گزارشات آماری ساده بانکهای اطلاعاتی رابطه ای: اطلاعات همگون، ارتباطات مشخص، اشتباهات کمتر، گزارشات آماری پيچيده و مقايسه ای و شامل ارتباطات عناصر مختلف بانکهای اطلاعاتی تحليلی: ويژه تحليل اطلاعات، ارائه يک مدل چندوجهی و امکان ساخت و مشاهده سريع گزارشات خاص، توانائی محدود در ذخيره سازی و پردازش انواع اطلاعات (معمولا فقط اطلاعات عددی) داده کاوی: امکان پردازش انواع اطلاعات، قابليت کشف دانش از اطلاعات موجود 5 يک تعريف تئوريک از داده کاوی داده کاوی عبارت است از فرآيند (نيمه)خودکار استخراج دانش (در قالب الگوهای پنهان) از مجموعه اطلاعات ورودی. معمولا آگاهی اندکی در مورد دانش هدف وجود دارد. ورودی عمدتا بسيار حجيم و پردازش دستی آن ناممکن است. نتايج حاصل از داده کاوی، با روشهای سنتی پردازش اطلاعات (گزارش گيری) قابل دستيابی نيست. خودکار يا نيمه خودکار بودن داده کاوی به معنای حداقل نياز به دخالت کاربر است. انواع اطلاعات (و نه صرفا اطلاعات عددی) قابل پردازش می باشند.
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 16 اسلاید
قسمتی از متن powerpoint (..pptx) :
داده کاوی فهرست + مقدمه --------------------------------------------- 4 حوزه فعالیتهای داده کاوی ---------------------------- 5 روش آنالیز آماری ----------------------------------- 7 روش داده کاوی ------------------------------------- 7 مراحل کاری در داده کاوی -------------------------- 12 مثال تفهیمی در مورد داده کاوی --------------------- 12 مراجع --------------------------------------------- 14 نتیجه گیری ---------------------------------------- 15 مقدمه پيشينه طرح موضوع دادهكاوي به دهه 1980 و به صورت جدي، به دهه 1990 برميگردد. پيش از آن٬ از سيستمهاي جمعآوري و مديريت دادهها و اصطلاحاً لايروبي دادهها استفاده ميشد٬ اما به مرور زمان٬ استخراج و كشف سريع و دقيق اطلاعات با ارزش و پنهان از پايگاه دادهها بهعنوان دادهكاوي مورد توجه قرار گرفت. به اين شكل بود كه فرايند دادهكاوي به عنوان فرايند آماري و تجزيه و تحليل درفرايند كشف دانش در پايگاه دادهها ( KDD ) پررنگ شد ،به حدي كه گاه٬ دادهكاوي ( DM ) بهعنوان مترادف كشف دانش در پايگاه دادهها( KDD ) مورد استفاده قرار ميگرفت [2] . امروزه فرايند استخراج اطلاعات معتبر٬ از پيش ناشناخته٬ قابل فهم و قابل اعتماد از پايگاه دادههاي بزرگ و استفاده از آن در تصميمگيري و در فعاليتهاي تجاري دادهكاوي ناميده ميشود [1] . در تعاريف متعدد و متنوع براي دادهكاوي برموضوعاتي نظير: استخراج دانش كلان٬ كاوش در دادهها٬ تجزيه و تحليل دادهها و يافتن روابط و الگوهاي مطمئن بين دادهها تاكيد ميشود. هدف نهايي دادهكاوي٬ ايجاد سيستمهاي پشتيباني تصميمگيري سازماني است. دادهكاوي به استخراج اطلاعات مفيد و دانش از حجم زياد دادهها ميپردازد. دادهكاوي٬ الگوهاي حاوي اطلاعات را در دادههاي موجود جستوجو ميكند. اين الگوها و الگوريتمها، ميتوانند توصيفي باشند يعني دادهها را توصيف كنند و يا جنبه پيشبيني داشته باشند، يعني از متغيرها براي پيشبيني ارزشهاي ناشناخته ساير متغيرها بهكار روند. دادهكاوي توصيفي، بهدنبال يافتن اگرها در فعاليتها يا اقدامات گذشته است و دادهكاوي پيشبينانه با نگاه به سابقه٬ رفتار آینده را پيشبيني ميكند [1] . حوزه فعالیتهای داده کاوی هدف دادهكاوي٬ تجزيه و تحليلاكتشافي دادهها٬ كشف الگوها و قواعد و الگوريتمها٬ مدلسازي پيشبينانه وجستوجوي انحرافات است. براي انجام اين هدف٬ فرايند دادهكاوي درجهت كشف دانش درمراحل مختلف انجام ميشودكه عبارت است از: 1. شناسايي هدف و فهم حوزه كاربرد آن است و مشخص ميكند كه چهكاري٬ در چه حوزهايانجام خواهد شد. 2. انتخاب دادهها يعني تعيين اهداف براي تجزيه و تحليل و كشفآن 3. آمادهسازي دادهها شامل تميزسازي دادهها 4. اتخاذ بهترين روشدادهكاوي براي دستيابي به اهداف 5. اجراي دادهكاوي يعني بهكارگيريالگوريتم 6. ارزيابي و اعتبارسنجي يافتهها 7. استفاده از نتايج و تثبيت وتحكيم دانش كشف شده 8. تصميم گيري براساس دانش كشف شده اکتشاف در این مرحله معمولا با آماده سازی داده ها که ممکن است شامل تمیز کردن داده ها ، تبدیل داده ها ، زیر مجموعه های انتخاب آثار ضبط شده و انجام برخی از عملیات اولیه انتخابشروع می شود . سپس بسته به ماهیتتحلیلی ، این مرحله از فرایند استخراج داده ها ممکن است شامل هر انتخاب ساده و سرراست برای یک مدل رگرسیون استادانه درست شده را به تجزیه و تحلیل اکتشافی با استفاده از طیف گسترده ای از روش های گرافیکی و آماری به منظور شناسایی متغیرهای مربوطه و تعیین پیچیدگی از طبیعت مدل ها باشد. البته ناگفته نماند که داده کاوی معمولا با نوشتنمقدار زیادی گزارش و تحقیق و استعلام در آنها اشتباه گرفته می شود. اما در واقعداده کاوی هیچ کدام از اینها را شامل نمی شود. داده کاوی توسط تجهیزات خاصی صورتمی پذیرد، که عملیات کاوش را بر اساس تجزیه و تحلیل مکرر داده ها انجام می دهد