دانلود فایل


پروژه دانش نوین داده کاوی - دانلود فایل



دانلود فایل پروژه دانش نوین داده کاوی پروژه دانش نوین داده کاوی

دانلود فایل پروژه دانش نوین داده کاوی پروژه دانش نوین داده کاوی 138 صفحه بصورت ورد1-1- مقدمهامروزه در اکثر سازمان­ها، داده­ها به سرعت در حال جمع­آوری و ذخیره شدن می­باشند. با این وجود، می­توان ادعا کرد که علی­رغم وجود حجم انبوه داده­ها، سازمان­ها عموماً با فقر دانش در تصمیم­گیری­ها روبرو هستند.اگرچه با استفاده از ابزارهای گوناگون گزارش­گیری معمولی می­توان اطلاعاتی را در اختیار کاربران قرارداد تا بتوانند به نتیجه­گیری در مورد داده­ها و روابط منطقی میان آن­ها بپردازند؛ اما هنگامی که حجم عظیمی از داده­ها مطرح باشد، حتی کاربران حرفه­ای و باتجربه نیز نمی­توانند الگوهای مفید را در میان انبوه داده­ها تشخیص دهند.امروزه تکنیک­های داده کاوی جهت پاسخگویی به نیازهای سازمان­ها و شرکت­های مختلف در کشف دانش از حجم انبوه داده مورد توجه قرار گرفته­اند. داده­کاوی فرآیند استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده بسیار بزرگ می­باشد.شرکت­های مخابراتی، بانک­ها، شرکت­های بازاریابی و تبلیغاتی و کلیه شرکت­هایی که از بانک­های اطلاعاتی بزرگی برخوردار هستند با استفاده از داده­کاوی می­توانند فرآیندهای تصمیم­گیری خود را بهبود بخشند. داده­کاوی سبب می­شود که سازمان­ها از سطح داده به سطوح بالاتر دانش و الگوهای ناشناخته برسند. الگوهای استخراج شده می­توانند رابطه­ای بین ویژگی­ها و مشخصات سیستم مانند نوع تقاضا و نوع مشتری، پیش­بینی­های آینده براساس مشخصات سیستم، قوانین (اگر ــ آنگاه) بین متغیرهای سیستم، دسته­بندی­ها و خوشه­بندی­های اشیاء و رکوردهای شبیه به هم در یک سیستم و غیره باشند.داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده اند اطلاق می شود. این ابزارها ممکن است مدلهای آماری، الگوریتم های ریاضی و روش های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه ای که از طریق شبکه های عصبی (Neural Networks) یا درخت های تصمیم گیری (Decision Trees) به دست می آورند بهبود می بخشد. داده کاوی منحصر به گردآوری و مدیریت داده ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می شود برنامه های کاربردی که با بررسی فایل های متن یا چند رسانه ای به کاوش داده ها می پردازند پارامترهای گوناگونی را در نظر می گیرد که عبارت اند از: *رابطه (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می شود مثلا خرید قلم به خرید کاغذ.ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلا تولد یک نوزاد و خرید پوشک.دسته بندی(Classification): شناسایی الگوهای جدید مثلا همزمانی خرید چسب و پوشهخوشه بندی(Clustering): کشف و مستند سازی مجموعه ای از حقایق ناشناخته مثلا موقعیت جغرافیایی خرید محصولی با مارک خاصپیش بینی(Forecasting):کشف الگوهایی که بر اساس آنها پیش بینی قابل قبولی از رویدادهای آتی ارایه می شود، مثلا رابطه عضویت در یک باشگاه ورزشی با شرکت ذر کلاسهای ورزشی.برنامه های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانک های اطلاعاتی یافت می شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه های مربوط به داده کاوی در عین برخورداری از این قابلیت ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده ها روشی بر پایه راستی آزمایی (verifiction)را به کار می برند که در آن فرضیه ای بسط داده شده آنگاه داده ها برای تایید یا رد آن بررسی می شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می شوند و به کمک الگوریتم هایی روابط چند بعدی بین داده ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می شوند. به طور مثال در یک فروشگاه سخت افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه ای برقرار شود.در نتیجه قابلیت های پیچیده اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله ای در روند کشف دانش در پایگاه داده ها می دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می باشد. بسیاری از پیشرفت ها در تکنولوژی و فرآیندهای تجاری بر رشد علاقه مندی به داده کاوی در بخش های خصوصی و عمومی سهمی داشته اند. بعضی از این تغییرات شامل:رشد شبکه های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می گیرند.توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه های عصبی و الگوریتم های پیشرفته.گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده های متمرکز شده را از روی دسک تاپ می دهد.و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می باشد.علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می کند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده های دنیا به طور تخمینی هر ساله دوبرابر می گردد. در همین زمان هزینه ذخیره سازی داده ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده است. مطابقا قدرت محاسبه ها در هر ۱۸ –۲۴ ماه به دوبرابر ارتقاء پیدا کرده است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده می کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی هایی در مورد کیفیت داده ای که تحلیل می گردد، توانایی کار گروهی پایگاههای داده و نرم افزارها بین ارگانها و تخطی های بالقوه به حریم شخصی می باشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می شود.محدودیت های داده کاویدر حالیکه محصولات داده کاوی ابزارهای قدرتمندی می باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه ای و متخصصان ماهری می باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیهیا افراد است تا اینکه مربوط به تکنولوژی باشد.اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.تشخیص رابطه بین رفتارها و یا متغیرهایکی دیگر از محدودیتهای داده کاوی می باشد که لزوماًروابط اتفاقی را تشخیص نمی دهد.برای مثال برنامه های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد.در حقیقت رفتارهای شخصی شامل شغل(نیاز به سفر در زمانی محدود)وضع خانوادگی(نیاز به مراقبت پزشکی برای مریض)یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد. 1-2- فرآیند کشف دانش و داده­کاویداده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده اند اطلاق می شود. این ابزارها ممکن است مدلهای آماری، الگوریتم های ریاضی و روش هاییاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه ای که از طریق شبکه های عصبی (Neural Networks) یا درخت های تصمیم گیری (Decision Trees) به دست می آورند بهبود می بخشد. داده کاوی منحصر به گردآوری و مدیریت داده ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می شود برنامه های کاربردی که با بررسی فایل های متن یا چند رسانه ای به کاوش داده ها می پردازند پارامترهای گوناگونی را در نظر می گیرد که عبارت اند از: *رابطه (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می شود مثلا خرید قلم به خرید کاغذ. ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلا تولد یک نوزاد و خرید پوشک.دسته بندی(Classification): شناسایی الگوهای جدید مثلا همزمانی خرید چسب و پوشهخوشه بندی(Clustering): کشف و مستند سازی مجموعه ای از حقایق ناشناخته مثلا موقعیت جغرافیایی خرید محصولی با مارک خاصپیش بینی(Forecasting):کشف الگوهایی که بر اساس آنها پیش بینی قابل قبولی از رویدادهای آتی ارایه می شود، مثلا رابطه عضویت در یک باشگاه ورزشی با شرکت ذر کلاسهای ورزشی.

داده کاوی


روش های داده کاوی


داده کاوی دانش نوین


مقاله


پاورپوینت


فایل فلش


کارآموزی


گزارش تخصصی


اقدام پژوهی


درس پژوهی


جزوه


خلاصه


دروغ در دين‏دارى

دانلود کارآموزی ساختمان 50 ص

نقش ورزش در تعادل انرژی و از بین بردن چاقی

پاورپوینت ویژگیهای فنی موثر در انتخاب و بکارگیری مصالح

خرید و دانلود تحقیق: آشنایی با گل رز و مشخصات گیاهی و پرورش آن

درس هجدهم هدیه های آسمان دوم ابتدایی به صورت پاورپوینت - درس راز خوش بختی

پاورپوینت با موضوع اصول درمان ضد ميكروبي

مقاله ای بسیار جامع و کامل در مورد فلج مغزی و خون پریشی cerebral paley + فایل ورد قابل ویرایش + فهرست

پاورپوینت با موضوع اصول درمان ضد ميكروبي

فایل فلش عربی نوکیا 6060 rh-73 ورژن 5.11