فرمت فایل : power point (قابل ویرایش) تعداد اسلاید : 61 اسلاید
فهرست مطالب
nمقدمه
nمعرفی دادهکاوی و دلایل پیدایش آن
nجایگاه دادهکاوی در علوم کامپیوتر
nمراحل و اجزای یک فرآیند دادهکاوی
n
nکاربردهای دادهکاوی
nکاربردهای تجاری
nکاربردهای علمی
nکاربردهای امنیتی
nتکنیکهای دادهکاوی
nدسته بندی
nقوانین تداعی
nخوشه بندی
n
nآینده دادهکاوی: کاربردهای جدید، چالشها و دستاوردها
nتشخیص ناهمگونی
nدادهکاوی توزیع شده
nداده کاوی و حریم خصوصی
داده کاوی و دلایل پیدایش آن
nتوسعه تکنولوژیهای ذخیره و بازیابی اطلاعات
nافزایش روزافزون حجم اطلاعات ذخیره شده
nتنوع بسیار زیاد در اطلاعات موجود
n بانکهای اطلاعاتی
nفایلهای چندرسانه ای (تصاویر متحرک، فایلهای صوتی)
nاطلاعات متنی و فاقد ساختار
nآرشیوهای اطلاعاتی، به دلیل حجم بسیار زیاد، غالبا به مقبره های اطلاعات تبدیل می شوند.
nعلیرغم هزینه های سنگین در بخش تکنولوژی اطلاعات، بسیاری از تصمیمها همچنان در فقر اطلاعاتی اتخاذ می گردند.
nاز قابلیتهای بالقوه اطلاعات ذخیره شده استفاده نمی شود.
nنیاز به تبدیل اطلاعات به دانش در بسیاری زمینه ها آشکار گردیده است.
nوقایعی نظیر 11 سپتامبر، لزوم خودکار یا حداقل نیمه خودکار بودن فرآیند تبدیل اطلاعات به دانش را به خوبی نشان می دهند.
nداده کاوی به دهه 80 برمی گردد.
nداده کاوی با تلاش برای اعمال تکنیکهای هوش مصنوعی بر روی بانکهای اطلاعاتی آغاز گردید.
پردازش اطلاعات:
از فایلهای متنی تا داده کاوی
از فایلهای متنی تا داده کاوی
nحرکت از روشهای ابتدائی پردازش اطلاعات به داده کاوی، همواره برحسب نیاز
حوزه های مختلف بوده است.
حوزه های مختلف بوده است.
nسیر کلی تکنولوژی پردازش اطلاعات را می توان به صورت زیر خلاصه کرد:
nفایلها: اطلاعات ناهمگون، فاقد ساختار مشخص، اشتباهات متعدد، پردازش در حد تهیه فهرست
nبانکهای اطلاعاتی خاص: اطلاعات ناهمگون، اشتباهات نسبتا کمتر، گزارشات آماری ساده
nبانکهای اطلاعاتی رابطه ای: اطلاعات همگون، ارتباطات مشخص، اشتباهات کمتر، گزارشات آماری پیچیده و مقایسه ای و شامل ارتباطات عناصر مختلف
nبانکهای اطلاعاتی تحلیلی: ویژه تحلیل اطلاعات، ارائه یک مدل چندوجهی و امکان ساخت و مشاهده سریع گزارشات خاص، توانائی محدود در ذخیره سازی و پردازش انواع اطلاعات (معمولا فقط اطلاعات عددی)
nداده کاوی: امکان پردازش انواع اطلاعات، قابلیت کشف دانش از اطاعات موجود
جایگاه داده کاوی
nداده کاوی را می توان یک شاخه از یادگیری ماشین دانست.
nبه دلیل عدم وجود یک چارچوب تئوریک برای داده کاوی، در نظر گرفتن آن به عنوان زیر مجموعه ای از یادگیری ماشین می تواند مورد بحث قرار گیرد.
nتلاشهای اندکی برای توسعه یک چارچوب تئوریک برای داده کاوی انجام گرفته است.
nاین میزان تلاش کافی نبوده و به نتیجه قابل قبولی نرسیده است.
nتفسیر داده کاوی به عنوان زیر مجموعه ای از آمار، چندان قانع کننده نیست: مسائل با فضای حالت دارای ابعاد زیاد مهمترین وجه این تمایزند.
nتفسیر داده کاوی به عنوان فرآیندی جهت تخمین تابع توزیع احتمال توأم نمونه ها: تکراری بودن داده کاوی چنین طبقه بندی را رد می کند.
nنظریه داده کاوی معادل فشرده سازی، داده کاوی را فرآیندی برای فشرده سازی اطلاعات ورودی، از طریق پیدا کردن یک ساختار مناسب برای آن در نظر می گیرد.
سمینار ارشد و کارشناسی با موضوع داده کاوی و کاربرد آن