مقدمه ای بر داده کاوی و کاربردهای آن

Data mining Application
تصویر شاخص
رشته

مهندسی کامپیوتر

تعداد صفحات

92

نوع فایل

Word

زبان

فارسی

حجم

4 مگابایت

چکیده

سازمان ها برای تصمیم گیری و برنامه ریزی به اطلاعات نیاز دارند، بخش مهمی از این اطلاعات از خود سازمان ناشی می شود، از داده های قبلی و الگوهای عملکرد سازمان استخراج می شوند، داده های خود سازمان نشان دهنده رفتار مشتریان و همکاران و بیان کننده موفقیت یا شکست سازمان در یک عمل خاص هستند. برای استخراج اطلاعات مفید از میان انبوه حجم داده های ثبت شده باید از فن داده کاوی استفاده کرد. داده کاوی فنی است که از میان پایگاه داده سازمان، به دنبال الگوهای پنهان در میان داده ها، ارتباط میان آنها، روند و الگوی آنها می گردد. داده کاوی از توابع و الگوریتم های پیشرفته ریاضی استفاده می کند تا ارتباط میان دو دسته از داده و امکان رخ دادن یک نتیجه را در آینده پیش بینی کند. داده کاوی (به انگلیسی: Data Mining)، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از  داده ها در یک یا چند بانک اطلاعاتی بزرگ است. بسیاری از مردم داده کاوی را مترادف واژه‌های رایج کشف دانش از  داده ها (KDD) می‌دانند. داده کاوی، پایگاه‌ها و مجموعه حجیم  داده ها را در پی کشف و استخراج، مورد تحلیل قرار می‌دهد. این‌گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های  داده های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید. داده کاوی (Data Mining) علم و فنی است که در سالهای اخیر و با گسترش استفاده از فناوری اطلاعات و سیستم های اطلاعاتی مورد توجه سازمان ها قرار گرفت. داده کاوی کاربردهای مختلفی برای سازمان ها دارد و می تواند برای شرکت ها در زمینه های مهمی مثل بازاریابی و فروش بسیار راهگشا و مفید باشد. بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و … امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد. در صورتی که سیستم‌های داده کاوی بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانک‌های اطلاعاتی بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل:آیا بیماری که بیمارستان مراجعه کرده است آیا بیمار هست یا نه؟ و نوع بیماری آن چیست؟ آیا نیاز به عمل جراحی دارد یا نه؟ و میزان درمانپذیری آن شخص چه میزان است؟  و یا کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.

فهرست مطالب

فصل اول

۱-۱ – تاریخچه داده کاوی

۲-۱- داده با اطلاعات چه فرقی دارد؟

۳-۱- انبوه داده بلای جان سازمان ها

۴-۱- تعریف دیگر از داده کاوی

۵-۱- داده کاوی چه کاری می تواند انجام دهد؟

۶-۱- داده کای چه فایده ای دارد؟

۷-۱- پیش بینی فروش

۸-۱- اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود

۹-۱- چیستی؟

۱۰-۱- محدودیت‌های داده کاوی

۱۱-۱- ابزارهای داده کاوی

۱۲-۱- برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری

۱۳-۱- بررسی اجمالی بازار نرم‌افزارهای داده کاوی

۱۴-۱- پیوند به بیرون

فصل دوم

۱-۲- داده کاوی چه کاربردهایی دارد؟

۲-۲- پیش‌نیازهای داده کاوی

۳-۲- بررسی و جایگزینی  داده های مفقود شده (Missing Data)

۴-۲- تشخیص و حذف  داده های تکراری و اضافه (Redundant Data)

۵-۲- تصمیم‌گیری درباره  داده های خارج از محدوده یا دارای اختلال (Outlier Detection and Noise

۶-۲- داده کاوی (Data Mining) چیست؟

۷-۲- تصمیم‌گیری درباره  داده های متناقض و ناسازگار (Incomplete or Inconsistent Data)

۸-۲- تحلیل همبستگی  داده ها (Correlation Analysis)

۹-۲- ایجاد فیلد محاسباتی جدید (Pre-Calculated Field)

۱۰-۲- فشرده‌سازی  داده ها (Data Compression)

۱۱-۲- نرمال‌سازی  داده ها (Normalization)

۱۲-۲- کاهش ابعاد  داده ها (Dimension Reduction)

۱۳-۲- نمونه‌گیری از  داده ها (Data Sampling)

۱۴-۲- یکپارچه‌سازی و تجمیع  داده ها (Data Integration)

۱۵-۲- کاربردهای داده کاوی

۱۶-۲- ابزارها و نرم افزارهای داده کاوی

۱۷-۲- داده کاوی کاربردهای مختلفی دارد که اهم کاربردهای آن:

۱۸-۲- کاربرد داده کاوی در کسب و کار هوشمند بانک

داده كاوي درمديريت ارتباط بامشتري

۱۹-۲- کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

۲۰-۲-کاربردهای داده کاوی در کتابخانه ها

۲۱-۲- داده کاوی و مدیریت موسسات دانشگاهی

۲۲-۲-  داده کاوی و مدیریت بهینه وب سایت ها

۲۳-۲- داده‌كاوي و مديريت دانش

۲۴-۲- كاربرد داده‌كاوي در آموزش عالي

فصل سوم

۱-۳- مورد از مهمترين دلايل رشد كند اين داده کاوی  در سلامت

۲-۳- داده كاوي در تشخيصهاي غير تهاجمي

۳-۳- داده كاوي در تعيين نوع درمان

۴-۳- داده كاوي در شناسايي عوارض جانبي داروها

۵-۳- داده كاوي در پرونده ي الكترونيك سلامت

۶-۳- داده كاوي در كنترل عفونت بيمارستاني

۷-۳- داده كاوي در رتبه بندي بيمارستانها

۸-۳- داده كاوي در بهره برداري از خدمات سلامت

۹-۳- کاربردهای داده کاوی در مراقبت از بیمار

۱۰-۳- کاربرد عملی داده کاوی در بهداشت و درمان امروز

۱۱-۳- داده کاوی به منظور پیش بینی میزان ریسک جمعیت بیمار

۱۲-۳- مراحل یادگیری از یک همگرایی و ایجاد یک الگوریتم

۱۳-۳- داده کاوی  در بهداشت و درمان دارای توان بالقوه است

فصل چهارم

۱-۴- مقدمه

۲-۴- آماده سازی داده ها

۵-۴- پیش پردازش داده ها

۶-۴- نتایج حاصل از تحقیق

۷-۴- نتایج درخت تصمیم سنتی C4.5 Tree

۸-۴- نتایج شبکه بیزین BayesNet

۹-۴- نتایج NaiveBayes

۱۰-۴- نتیجه ماشین بردار  پشتیبانSupport Vector Machine

۵-۴- نتیجه گیری

فصل پنجم

۱-۵- شهر الکترونیکی

۲-۵-زمينه دادهکاوي در شهر الکترونيک

۳-۵-کاربردهاي دادهکاوي در شهر الکترونيک

۴-۵-تجديد ساختار سايت وب شهر و افزايش کارايي سيستم

۵-۵-تقويت برنامهريزيهاي دولت و ترويج نوآوري

۶-۵-بهبود تحليل ها و تصميمات دولت

۷-۵-چالش هاي داده کاوي در شهر الکترونيک

۸-۵-كيفيت  داده ها

۹-۵-قابليت انتقال  داده ها و استفاده از اطلاعات

۱۰-۵-چالش برآورد مدلهاي داده کاوي

۱۱-۵-دقت نتايج متدهاي داده كاوي

۱۲-۵-پيچيدگي و هزينه زماني

۱۳-۵-محرمانگي  داده ها

۱۴-۵-استفاده از داده کاوي در بهبود مدیریت شهري: موردکاوي سامانه ۱۳۷شهرداري تهران

۱۴-۵- قوانین انجمنی

۱۵-۵- الگوریتم Apriori

۱۶-۵- مطالعه موردي: سامانه ۱۳۷ شهرداري تهران

۱۷-۵- معرفی مرکز داده ۱۳۷ شهرداري

۱۸-۵- پیش پردازش

۱۹-۵- روش دومرحله اي مورد استفاده

۲۰-۵- کشف قوانین انجمنی موجود در بازه هاي زمانی-مکانی بروز مشکلات

۲۱-۵-کشف هم زمانی وقوع مشکلات

۲۲-۵-نتیجه گیري

فصل ششم

۱-۶-مقدمه

۲-۶-ساير ابعاد بررسي شده در مورد داده كاوي

۳-۶-روابط عمومی

۴-۶-روابط عمومی دارای چندین قلمرو کاری مشخص است

۷-۶-وظايف مدیریت روابط الکترونیکی

۸-۶-تعريف داده کاوی در روابط عمومی

۹-۶-کاربردهای داده کاوی در روابط عمومی

۱۰-۶-تکنیک های مورد استفاده در داده کاوی روابط عمومی

۱۱-۶-بحث و نتیجه گیری

فصل هفتم

۱-۷-مقدمه

۲-۷-طبقه بندی مشتریان اینترنت بانک با کمک الگوریتمهای داده کاوی

۳-۷-طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم های داده کاوی

منابع

 

مقدمه ای بر داده کاوی و کاربردهای آن

دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0
امتیاز کلی : 0.0
پیشنهاد شده توسط : 0 کاربر
بر اساس 0 فروش
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید:

فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید.

نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.
اولین کسی باشید که دیدگاهی می نویسد “مقدمه ای بر داده کاوی و کاربردهای آن”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سوال محصول

شاید شما این را نیز دوست داشته باشید…

قیمت دوره

14,900 تومان

گزارش سوءاستفاده
امتیازی ثبت نشده است
سطح آموزش متوسط
تعداد دانشجو : 0
تاریخ انتشار: 29 اردیبهشت 1399آخرین بروزرسانی: 21 تیر 1399تعداد بازدید: 201
قوانین و مزایای استفاده

  • دسترسی به فایل محصول به صورت مادام‌العمر
  • تضمین کیفیت آموزش‌ها
  • فعال‌سازی آنی لینک دانلود، پس از ثبت سفارش
  • فروش فقط از طریق آکادمی الماس
  • به صورت رایگان یک یا چند آموزش را دریافت می‌کنید.
قیمت دوره

14,900 تومان