لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 34 اسلاید
قسمتی از متن powerpoint (..pptx) :
پردازش تحلیلی برخط برای پشتیبانی تصمیم فهرست مطالب مقدمه پایگاه داده تحلیلی قابلیت های OLAP بررسی مدل داده ای چند بعدی و رابطه ای دسته بندی های OLAP جمع بندی 2 /34 مقدمه هدف: بررسی پردازش تحلیلی برخط ( OLAP ) و چگونگی استفاده از آن برای پشتیبانی تصمیم. OLAP ، از توسعه ی مفهوم پایگاه داده استاندارد برگرفته شده است ( OLTP ). OLTP به عملیات بروزرسانی، پرس و جو و نمایش داده های متنی و عددی از پایگاه داده عملیاتی اشاره دارد. OLAP به عملیات پرس و جو و ارائه داده های متنی و عددی از پایگاه داده تحلیلی اشاره دارد. 3 /34 تفاوت OLAP و OLTP پارامترهای ارزیابی OLAP OLTP کارکرد پشتیبانی تصمیم عملیات روزانه طراحی پایگاه داده موضوع – گرا کاربرد – گرا داده سابقه،خلاصه شده،چند بعدی،سر جمع،یکپارچه جاری،به روز،با جزئیات،رابطه ای،منفرد کاربرد خاص منظوره عملیات تکرار شونده واحد کاری پرس و جوهای پیچیده تراکنش های ساده و کوتاه تعداد رکوردهای مورد دسترسی میلیون ها رکورد دهها رکورد تعداد کاربران هزاران کاربر صدها کاربر اندازه پایگاه داده گیگابایت - ترابایت مگابایت – گیگابایت 4 /34 پایگاه داده تحلیلی سازمان ها برای انجام عملیات روزانه از تعدادی منابع اطلاعاتی عملیاتی استفاده می کنند. یک پایگاه داده تحلیلی به عنوان یک منبع داده ای مجزا در سازمان ایجاد می شود که هدف اصلی آن تحلیل داده برای پشتیبانی از فرآیندهای تصمیم گیری مدیران می باشد. چرا پایگاه داده تحلیلی باید مجزا ایجاد شود؟ کارایی (سرعت) پرس و جوها ایجاد یک پایگاه داده که بتواند بطور مستقیم برای اهداف عملیاتی و تحلیلی استفاده شود، غیر ممکن است. 5 /34
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 78 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا 1 2 ماشین بردار پشتیبان 3 مقدمه SVM دسته بندی کننده ای است که جزو شاخه Kernel Methods دریادگیری ماشین محسوب میشود. SVM در سال 1992 توسط Vapnik معرفی شده و بر پایه statistical learning theory بنا گردیده است. شهرت SVM بخاطر موفقیت آن در تشخیص حروف دست نویس است که با شبکه های عصبی بدقت تنظیم شده برابری میکند: 1.1% خطا 4 مقدمه هدف این دسته الگوریتم ها تشخیص و متمایز کردن الگوهای پیچیده در داده هاست ( از طریق کلاسترینگ، دسته بندی، رنکینگ، پاکسازی و غیره) مسایل مطرح: الگوهای پیچیده را چگونه نمایش دهیم چگونه از مسئله overfitting پرهیز کنیم 5 ایده اصلی با فرض اینکه دسته ها بصورت خطی جداپذیر باشند، ابرصفحه هائی با حداکثر حاشیه (maximum margin) را بدست می آورد که دسته ها را جدا کنند. در مسایلی که داده ها بصورت خطی جداپذیر نباشند داده ها به فضای با ابعاد بیشتر نگاشت پیدا میکنند تا بتوان آنها را در این فضای جدید بصورت خطی جدا نمود.
لینک دانلود و خرید پایین توضیحات دسته بندی : پاورپوینت نوع فایل : powerpoint (..pptx) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 34 اسلاید
قسمتی از متن powerpoint (..pptx) :
پردازش تحلیلی برخط برای پشتیبانی تصمیم فهرست مطالب مقدمه پایگاه داده تحلیلی قابلیت های OLAP بررسی مدل داده ای چند بعدی و رابطه ای دسته بندی های OLAP جمع بندی 2 /34 مقدمه هدف: بررسی پردازش تحلیلی برخط ( OLAP ) و چگونگی استفاده از آن برای پشتیبانی تصمیم. OLAP ، از توسعه ی مفهوم پایگاه داده استاندارد برگرفته شده است ( OLTP ). OLTP به عملیات بروزرسانی، پرس و جو و نمایش داده های متنی و عددی از پایگاه داده عملیاتی اشاره دارد. OLAP به عملیات پرس و جو و ارائه داده های متنی و عددی از پایگاه داده تحلیلی اشاره دارد. 3 /34 تفاوت OLAP و OLTP پارامترهای ارزیابی OLAP OLTP کارکرد پشتیبانی تصمیم عملیات روزانه طراحی پایگاه داده موضوع – گرا کاربرد – گرا داده سابقه،خلاصه شده،چند بعدی،سر جمع،یکپارچه جاری،به روز،با جزئیات،رابطه ای،منفرد کاربرد خاص منظوره عملیات تکرار شونده واحد کاری پرس و جوهای پیچیده تراکنش های ساده و کوتاه تعداد رکوردهای مورد دسترسی میلیون ها رکورد دهها رکورد تعداد کاربران هزاران کاربر صدها کاربر اندازه پایگاه داده گیگابایت - ترابایت مگابایت – گیگابایت 4 /34 پایگاه داده تحلیلی سازمان ها برای انجام عملیات روزانه از تعدادی منابع اطلاعاتی عملیاتی استفاده می کنند. یک پایگاه داده تحلیلی به عنوان یک منبع داده ای مجزا در سازمان ایجاد می شود که هدف اصلی آن تحلیل داده برای پشتیبانی از فرآیندهای تصمیم گیری مدیران می باشد. چرا پایگاه داده تحلیلی باید مجزا ایجاد شود؟ کارایی (سرعت) پرس و جوها ایجاد یک پایگاه داده که بتواند بطور مستقیم برای اهداف عملیاتی و تحلیلی استفاده شود، غیر ممکن است. 5 /34
لینک دانلود و خرید پایین توضیحات دسته بندی : ppt نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 65 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا سیستمهای پشتیبان تصمیم گیری Chapter 10 Decision Support Systems 3 آشنایی با تغییرات پشتیبانی از تصمیم گیری در کسب و کارها شناسایی نقش و جایگزین های MIS تشریح نحوه پاسخگویی پردازش تحلیلی آنلاین به نیازهای اطلاعاتی مدیران تشریح مفهوم سیستم پشتیبان تصمیم گیری و تمایز آن با MIS سنتی تشریح نحوه پاسخگویی سیستم های اطلاعاتی گوناگون به نیازهای اطلاعاتی مدیران آشنایی با شبکه های عصبی، منطق فازی، الگوریتم های ژنتیک، واقعیت مجازی و عامل های هوشمند در کسب و کار ذکر مثالهایی در رابطه با کاربرد سیستم های خبره در تصمیم گیری های سازمانی اهداف آموزشی Chapter 10 Decision Support Systems 4 پشتیبانی از تصمیم در کسب و کار سرمایه گذاری سازمان ها در سیستم های پشتیبانی از تصمیم به منظور پاسخگویی به تغییر شرایط بازار و نیازهای مشتریان است. Chapter 10 Decision Support Systems 5 داشبورد مدیریتی داشبوردهای مبتنی بر وب نمایش اطلاعات حیاتی در قالب گرافیکی بر اساس داده هایی که بلادرنگ از نرم افزارها و پایگاه داده های سازمانی بدست می آیند. مشاهده بلافاصله و فوری تغییرات توسط مدیران قابل استفاده برای همه سازمانها حتی کوچک مشکلات بالقوه فشار بیشتر بر کارکنان بخش بندی دفتر تمایل به پنهان کردن اطلاعات
لینک دانلود و خرید پایین توضیحات دسته بندی : ppt نوع فایل : powerpoint (..ppt) ( قابل ويرايش و آماده پرينت ) تعداد اسلاید : 40 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا استفاده از ماشین بردار پشتیبان ( SVM )برای تشخیص گوینده فهرست مطالب تشخیص گوینده استخراج ویژگی برای تشخیص گوینده مسئله دستهبندی و جداسازی نمونهها از روی ویژگیها معیار مقایسه دستهبندی کنندهها دستهبندی کننده خطی پیدا کردن دستهبندی خطی بهینه استفاده از فضاهای بالاتر و توابع هسته حالت خطای یادگیری غیر صفر تشخیص گوینده تفکیک گوینده های مختلف از یکدیگر استفاده از ویژگیهای صوتی برای تشخیص دو روش کلی: ساخت مدل برای هر گوینده و تطبیق دادن نمونه جدید با مدلها سعی در تفکیک گوینده های مختلف از یکدیگر استخراج ویژگی برای کاهش ابعاد تعداد زیاد نمونه در صدای ذخیره شده حداقل 8 کیلو هرتز، 8 بیت برای هر نمونه (64 کیلو بیت بر ثانیه) نیاز به این دقت برای پخش صدا و بازسازی موج تغییر آهسته ویژگیهای صدا در طول زمان امکان نمایش و ذخیره یک پنجره (فریم) نسبتا طولانی (10 تا 25 میلی ثانیه) با تعداد کمی ویژگی نمایش یک پنجره با 14 ویژگی: کاهش ابعاد به نسبت 11.4 نیاز به تعریف و استخراج ویژگی