پاورپوینت داده کاوی (pptx) 32 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 32 اسلاید

قسمتی از متن PowerPoint (.pptx) :

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 كاوش 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. بخش اول – مفهوم داده کاوی عبارت داده کاوی مترادف با يکی از عبارت های استخراج دانش، برداشت اطلاعات، وارسی داده ها و حتی لايروبی کردن داده هاست که در حقيقت کشف دانش در پايگاه داده ها[1] (KDD ) را توصيف می کند. بنابراين ايده ای که مبنای داده کاوی است يک فرآيند با اهميت از شناخت الگوهای بالقوه مفيد، تازه و درنهايت قابل درک در داده هاست. اصطلاح داده کاوی را آمار شناسان، تحليل گران داده ها و انجمن سيستم های اطلاعات مديريت به کار برده اند در حالی که پژوهشگران يادگيری ماشين و هوش مصنوعی از KDD بيشتر استفاده مي کنند. [1] - Knowledge Discovery of Database « داده کاوی در حقيقت کشف ساختارهای جالب توجه، غير منتظره و با ارزش از داخل مجموعه وسيعی از داده ها می باشد و فعاليتی است که اساساً با آمار و تحليل دقيق داده ها منطبق است» هند (1998) « داده کاوی فرآيند کشف رابطه ها، الگوها و روندهای جديد معنی داری است که به بررسی حجم وسيعی از اطلاعات ذخيره شده در انبارهای داده با فناوری های تشخيص الگو( مانند رياضي و آمار) می پردازد». سايت http://www.spss.com تعاريف داده کاوی فرآيند داده کاوی می ‌توان فرآيند داده‌كاوی را طی مراحل زير به صورت نمودار نشان داد. منابع داده‌های خام داده‌هاي مهيا شده انبار داده‌ها الگوي كشف شده طرح يك فرضيه، پيشگويی استخراج ، ترجمه فراخوانی مهيا كردن داده‌ها كشف الگو تجزيه و تحليل الگو بهبود آن قابليتهای ابزارهای داده کاوی ١. هم پيوندی ٢. طبقه بندی ٣.الگوهای ترتيبی ٤. خوشه بندی اين قابليتها در صنايع مختلفی از خرده فروشی گرفته تا شركت های بزرگ مخابراتی برای بهينه سازی دستيابی به اهداف برنامه ريزی، بازا ريابی هدف دار و حفظ مشتری مورد استفاده قرار می گيرند.