نسل جوان ایران

فنی مهندسی کامپیوترمعماری سیستم های کامپیوتریمعماری سیستم های کامپیوتری

مفاهيم ، روشها آينده کاربردها ،

ارسال کننده : جناب آقای محمد حسن رحیمی
سطح فعالیت : ناشر
ایمیل : mohammadhassan1384[@]gmail.com
تاریخ ارسال : ۱۱ تیر ۱۳۹۷
دفعات بازدید : 200
زبان نوشتاری : فارسی
تعداد صفحه : 9
فرمت فایل : word
حجم فایل : 245kb

قیمت فایل : 1,000 تومان
خرید فایل

امتیاز مثبت : 0
امتیاز منفی : 0

پایگاه مقاله نسل جوان ایران

 

در داده کاوي از بخشي از به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکيد مي شودبنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها، هوش مصنوعي، يادگيري ماشين وعلم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود.

بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها در حد گیگابایت يا ترابايت، مواجه باشيم که از این نظر یکی از بزرگترین بازارهای هدف، انبارجامع داده ها، مراکز داده وسیستم های پشتیبانی تصمیم برای بدست آوردن تخصص هایی در صنایعی مثل شبکه های توزیع مویرگی، تولیدف مخابرات، بیمه و... می باشد.

 

نکته:در تعاریفی که از داده کاوی ارائه شد به اصطلاح "فرایند" اشاره شد. حتی در بعضی محیط های حرفه ای این نظر وجود دادرد که داده کاوی شامل انتخاب و بکارگیری ابزارهای مبتنی بر کامپیوتر برای حل مسائل فعلی و بدست آوردن یک راه حل بطور اتوماتیک و خودکار میباشد.

برای اموزش داده کاوی، باید بر مفاهیم و روش های اعمال شده برخلاف همه جاذبه های ابزارهای مبتنی بر کامپیوتر که امور رابا جزئیات ودستورات با فرمت های خاصی باید به خیلی از سوالات از جمله چگونگی طراحی واستفاده از فرایندها را پاسخ دادبه جای بیان جزئیات عملی ابزار مختلف داده کاوی تکیه نمود.

 

  • طبقه بندی روش های داده کاوی
  • مراحل و اجزای يک فرآيند دادهکاوی
  • آماده سازی داده ها
  • تبدیل و تغییر وضعیت داده های خام
  • مفهوم و روش های تشخیص داده های نامنطبق
  • کاهش داده ها

تعاريف داده کاوي

طبقه بندی روش های داده کاوی:

مراحل فرايند کشف دانش از پايگاه داده ها

بیان مسئله و فرموله کردن فرضیه:

  1. انتخاب و جمع آوری داده ها:
  2. پیش پردازش ها یا تبديل داده ها
  1. آشکارسازی ( حذف)داده های غیرعادی:

2. ویژگی های مقیاس بندی، رمزگذاری و انتخاب:

  1. برآورد مدل یا کاوش در داده ها
  2. تفسير نتيجه یا تفسیر مدل و رسیدن به نتایج

آماده سازی داده ها

مدل استاندارد داده ها:

در اماده سازی داده ها دو وظیفه داریم:

تبدیل و تغییر وضعیت داده های خام

1. نرمال سازی

  1. تفاضل ها و نسبت ها

داده های از دست رفته

تحلیل داده های نامنطبق

کاهش داده ها

کاهش موارد

امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها، نياز به ابزاري است تا بتوان داده هاي ذخيره شده پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد.

با استفاده ار پرسش هاي ساده درSQL و ابزارهاي گوناگون گزارش گيري معمولي، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند اما وقتي که حجم داده ها بالا باشد، کاربران هر چقدرحرفه ای و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند، هزينه عمليات از نظر نيروي انساني و مالي بسيار بالا است.

برای این فایل تا کنون نظری ارسال نشده است

برای ارسال نظر باید عضو سایت باشید

تعداد کاراکتر مجاز:

برچسب های مرتبط


فهرست کتابخانه نسل جوان ایران

تاییدیه های سایت


درگاه بانک ملت

شبکه های اجتماعی نسل جوان ایران


فن آوری های روز دنیا


آرشیو فن آوری های روز دنیا

جدیدترین اخبار سایت


پایگاه خبری نسل جوان ایران

مقالات برتر و منتخب کاربران