ساخت پاوپوینت با هوش مصنوعی
کم تر از 5 دقیقه با هوش مصنوعی کافه پاورپوینت ، پاورپوینت بسازید
برای شروع ساخت پاورپوینت کلیک کنید
شما در این مسیر هستید :خانه / محصولات / Powerpoint / دانلود پاورپوینت اطلاعاتی درباره داده کاوی (کد16733)
سفارش انجام پاورپوینت - بهترین کیفیت - کم ترین هزینه - تحویل در چند ساعت 09164470871 ای دی e2proir
دانلود پاورپوینت اطلاعاتی درباره داده کاوی (کد16733)
شناسه محصول و کد فایل : 16733
نوع فایل : Powerpoint پاورپوینت
قابل ویرایش تمامی اسلاید ها دارای اسلاید مستر برای ویرایش سریع و راحت تر
امکان باز کردن فایل در موبایل - لپ تاپ - کامپیوتر و ...
با یک خرید میتوانید بین 342000 پاورپینت ، 25 پاورپوینت را به مدت 7 روز دانلود کنید
فایل های مشابه شاید از این ها هم خوشتان بیاید !!!!
توضیحات محصول دانلود پاورپوینت اطلاعاتی درباره داده کاوی (کد16733)
دانلود پاورپوینت اطلاعاتی درباره داده کاوی
دانلود پاورپوینت اطلاعاتی درباره داده کاوی
عنوان های پاورپوینت اطلاعاتی درباره داده کاوی عبارتند از :
اطلاعاتی درباره داده کاوی
مقدمه
سابقه داده کاوی
بخش اول – مفهوم داده کاوی
تعاريف داده کاوی
فرآيند داده کاوی
قابليتهای ابزارهای داده کاوی
کاربردهای داده کاوی
مثالی از کاربردهای داده کاوی: اطلاعات ژنتيک
بخش دوم – داده کاوی توزيع شده
بخش سوم - عامل ها ، سيستمهای چند عامله و داده کاوی توزيع شده
پروسه‌ی كشف دانش از پايگاه داده[1] (KDD)
منابع:
تکه ها و قسمت های اتفاقی از فایل اطلاعاتی درباره 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
تعاريف داده کاوی
« 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 https://www.spss.com
فرآيند داده کاوی
می توان فرآيند داده‌كاوی را طی مراحل زير به صورت نمودار نشان داد.
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.
1. هم پيوندی
هم پيوندی قابليتی براي يافتن روابط ناشناخته موجود در اطلاعات است.
کاربردها : برنامه ريزی موجودی ، برنامه ريزی تبليغاتی برای فروش و مراسلات بازاريابی مستقيم
3. الگوهای ترتيبی :
قابليتهای ترتيبی هم مانند قابليتهای هم پيوندی اين خاصيت را دارند كه می توانند وقايع را با هم مرتبط كنند وعلاوه بر آن، اين قابليت جديد را هم دارند كه می توانند فاصله زمانی بين دو واقعه را تخمين بزنند.
کاربردهای داده کاوی
کاربردهای تجاری
کاربردهای علمی
کاربردهای امنيتی
تقريبا در تمام سازمانها و انواع تجارتها، به دليل وجود اطلاعات، می توان داده کاوی را مورد استفاده قرار داد.
مديريت ارتباط با مشترِی
تحليل سبد خريد
شناسائی طبقات و گروههای اصلی مشتريان
تعيين ميزان تاثير عوامل مختلفی نظير تبليغات، تخفيف، ... بر ميزان و الگوهای فروش
دانلود پاورپوینت اطلاعاتی درباره داده کاوی
نياز مبرم به تکنيکهای داده کاوی، حداقل جهت ايجاد امکان تصور اطلاعات برای متخصصان
تشخيص بيماريها براساس انواع اطلاعات (تصاوير پزشکی، مشخصات بيمار احتمالی)
تشخيص ناهنجاريهائی که توسط انسان به سختی قابل تشخيص خواهند بود.
(لکه ها و نقاط خاص داخل چشم که نشانه شروع کوری ناشی از ديابت می باشد)
مثالی از کاربردهای داده کاوی: اطلاعات ژنتيک
کشف پديده های اقليمی جديد
تکنيکهای بصری سازی و بازنمائی اطلاعات
پردازش انواع اطلاعات(تصاوير،اطلاعات به دست آمده ازسنجيده ها)
کاربردهای امنيتی
سيستمهای تشخيص نفوذ
روشهای سنتی، نظير تشخيص حملات با استفاده از قوانين ارائه شده توسط متخصصان، علاوه برنياز به اصلاح دائم، برای مقابله با انواع جديد حملات کافی نيستند.
حجم اطلاعات بسيار زياد و فضای حالت غيرقابل تصور
عدم امکان بررسی تمام گزارشهای فعاليت توسط متخصصان شبکه
نياز به شناسائی خودکار الگوهای جديد و مشکوک به تلاش برای نفوذ
مقابله با تروريسم
در سالهای اخير، به خصوص پس از واقعه 11 سپتامبر، به صورت فزاينده ای مطرح شده است.
به دليل عدم امکان انتشار تمامی اطلاعات مفيد، پيشرفت کندتری (حداقل از نظر افراد عادی) دارد.
در حالت ايده آل، داده کاوی بايد بتواند با پردازش اطلاعات از انواع مختلف، نسبت به احتمال وقوع حملات تروريستی، با ذکر جزئيات کافی، هشدار دهد.
بخش دوم – داده کاوی توزيع شده
يکی از مشکلات عمده روش های داده کاوی موجود، مقياس پذيری می باشد . مقياس پذيری را قابليت اعمال روش داده کاوی به مجموعه های بسيار بزرگ از اطلاعات و نيز مجموعه هائی شامل اطلاعات دارای ابعاد بسيار زياد تعريف می کنيم.
مسئله تعداد ابعاد زياد نمونه ها (اطلاعات ورودی)، به مراتب پيچيده تر از تعداد زياد نمونه ها بوده و در بسياری از روش های متداول داده کاوی، نظير خوشه بندی،اين مشکل همچنان حل نشده باقی مانده است .
بخش سوم - عامل ها ، سيستمهای چند عامله و داده کاوی توزيع شده
عامل :
سيستم (نرم افزار) کامپيوتری که خودکار بوده و دارای قابليت های اجتماعی، توانائی واکنش و برنامه ريزی برای آينده می باشد.
خودکار بودن به معنای انجام عمليات بدون دخالت مستقيم کاربر (انسان) مي باشد.
توانائی واکنش، عبارت است از توانائی پاسخ به محيط.
توانائی برنامه ريزی برای آينده، به معنای داشتن هدف است.
سيستمهای چند عامله
يک سيستم چند عامله، از اجزای زير تشکيل شده است:
يک محيط که دربرگيرنده اجزاء تاثيرگذار در سيستم چند عامله می باشد.
تعدادی عامل. به طور معمول هيچ گونه پيش فرضی در مورد نوع، معماری و تعداد عامل ها در يک سيستم چندعامله وجود ندارد. از اين جهت می توان يک سيستم چند عامله را به يک جامعه انسانی تشبيه نمود.
مجموعه ای از اشياء درون محيط. هيچ پيش فرض اوليه ای در مورد اين اشياء نيز وجود ندارد.
مجموعه ای از روابط. اين روابط، که می توان آنها را به قوانين نيز تعبير نمود.
پروسه‌ی كشف دانش از پايگاه داده[1] (KDD)
يك پايگاه داده يك ذخيره‌سازی اطلاعات قابل اطمينان است ، يكی از اهداف اوليه و اصلی اين ذخيره‌سازی بازيابی موثر اطلاعات میباشد. اين اطلاعات بازيابی شونده لزوما يك كپی از اطلاعات ذخيره شده در پايگاه داده نيستند، بلكه اطلاعات استنتاجی از آن می باشند. دو نوع استنتاج از اطلاعات يك پايگاه داده داريم:
1 . استنتاج قياسی
2 . استنتاج استقرائی
[1] Knowledge Discovery in Database Process
KDD يا كشف دانش از پايگاه داده يك پروسه‌ی علمي براي شناسايی الگوهای معتبر، نوين، بالقوه مفيد و قابل فهم از داده‌ها میباشد .
داده كاوی يك مرحله از پروسه ی KDD میباشد كه با استفاده از الگوريتم‌های كاوش مشخصی يك سری الگوها را از پايگاه داده استخراج می‌‌كند.
ويژگی های KDD
استخراج داده‌ها
آماده کردن داده‌ها
مهندسی داده‌ها
مهندسی الگوريتم و تعيين استراتژی های کاوش
اجرای الگوريتم كاوش
تحليل داده‌ها و ارزيابی
استخراج داده‌ها
موقعی كه يك مساله تعريف شد، بايد داده‌های وابسته به آن مساله جمع‌آوری شوند. در بسياری از موارد، داده‌های مورد نياز از يك پايگاه داده يا انبار داده‌ها [1]استخراج مي‌‌گردند. معمولا الگوريتم‌های داده‌كاوی نمي‌‌توانند مستقيما روی داده‌های بانك اطلاعات اجرا شوند، در اينگونه موارد بايد داده‌ها قبل از اعمال الگوريتم‌ها، آماده شوند.
آماده کردن داده‌ها
از آنجايی كه داده‌های مورد نظر جمع‌آوری شده‌اند، خيلی مهم است كه آگاه باشيم كه اين داده‌ها نياز به پاكسازی دارند و ما بايد زمان زيادی را صرف اين كار بكنيم. زيرا بسياری از منابع خطا، می‌‌توانند هنگام جمع‌آوری داده‌ها از چندين پايگاه داده در يك پايگاه داده تحليلی، موجود باشند و يك تحليلگر خوب ناچار است بسياری از بررسی های اعتبار داده‌ای را بر روی داده‌های استخراج شده، انجام دهد. بسيار نادر اتفاق می‌‌افتد كه داده‌های جمع‌آوری شده دارای مشكل نباشند.
[1] Data Warehouse
مهندسی داده‌ها
بعد از انجام مراحل فوق سه مشكل اصلی هنوز وجود دارد:
ممكن است چشمپوشی از تعدادی از ويژگي‌های داده‌ها برای ما سودمند باشد. چون ممكن است كه بخواهيم noiseها را از داده‌ها جدا كنيم.
ممكن است مجبور باشيم به دليل ناكارآمدی الگوريتم‌های داده‌‌کاوی داده‌هايمان را به‌يك مجموعه داده‌ی ساده‌تر تقليل دهيم.
بسياری از داده‌ها ممكن است كه بصورت ديگری غير از اين شكل بيان شوند كه بسيار مفيدتر باشند. مثلا برای خصوصيت جنسيت، می‌‌توانيم اگر اين ويژگی متنی باشد، آن‌را به دودويی تبديل كرده و female را مثلا صفر و male را يک در نظر بگيريم.
مهندسی الگوريتم و تعيين استراتژی های کاوش
تعداد الگوريتم‌های بسيار زيادی كه در زيرِ هر كدام از متدها قرار می‌‌گيرند، مي‌‌توانند حتی برای افراد حرفه‌ای هم گيج‌كننده باشند. اين نكته بايد ذكر شود كه همه ی اين الگوريتم‌ها دارای تكنيك‌های
پايه‌ای يكسانی هستند.
اجرای الگوريتم كاوش و ارزيابی نتايج
دانلود پاورپوینت اطلاعاتی درباره داده کاوی
30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و توجیهی | پایان-نامه | پی دی اف مقاله ( کتاب ) | نقشه | پلان طراحی | های آماده به صورت رایگان میباشد ( word | pdf | docx | doc | )
