داده کاوي یک اصطلاح است که براي توصیف استخراج ارزش از یک پایگاه داده استفاده می شود. پایگاه داده محلی براي نگهداري اطلاعات ذخیره شده می باشد که در آن نوع داده ذخیره شده بستگی زیادي به نوع صنعت و شرکت دارد.
جزئیات بیشتر در ادامه مطلب + دانلود فایل مقاله
پیشینه داخلی و خارجی:
دارد
منابع فارسی:
دارد
منابع لاتین:
دارد
نوع فایل:
Word قابل ویرایش
تعداد صفحه:
41 صفحه
کد:
1574 mg
مفاهیم اساسی در داده کاوی- تکنیک هاي داده کاوي- دسته بندي- خوشه بندي- رگرسیون گیري- تجمع و همبستگی- الگوریتم ژنتیک- شبکه هاي عصبی مصنوعی- تحلیل عاملی- تحليل عاملي تأیيدي (CFA) - تحليل عاملي اکتشافي (EFA)- درخت تصمیم گیري- ویژگی هاي درخت تصمیم- پيشينه پژوهش- پژوهشهاي خارجي- پژوهشهاي داخلي- فهرست منابع- منابع فارسي- منابع لاتین.
داده کاوي یک اصطلاح است که براي توصیف استخراج ارزش از یک پایگاه داده استفاده می شود.
پایگاه داده محلی براي نگهداري اطلاعات ذخیره شده می باشد که در آن نوع داده ذخیره شده بستگی زیادي به نوع صنعت و شرکت دارد، به عنوان مثال: استخراج اطلاعات مبنی بر پیشگویی پنهان از بانک هاي اطلاعاتی بزرگ، یک فناوري جدید و نیرومند با پتانسیل بالا براي کمک به صنعت پزشکی می باشد.
ابزارهاي داده کاوي روشها و رفتارهاي آینده و امکان ایجاد کسب وکار فعال و تصمیمات دانش محور را پیشبینی می کنند.
تکنیک هاي دادهکاوي می توانند به سرعت روي پلت فرم هاي نرم افزار و سخت افزار موجود به منظور افزایش ارزش منابع اطلاعاتی موجود، اجرا شوند.
همچنین در صنعت آموزش که استخراج داده هاي آموزشی خوانده می شود، در رابطه با شیوه هاي در حال توسعهاي است که به کشف اطلاعات بدست آمده از محیط هاي آموزشی می پردازد و از تکنیک هایی مانند درخت تصمیمگیري، شبکه هاي عصبی، نزدیک ترین نود مجاور و غیره استفاده میکند.
در حوزه ورزش نیز داده کاوي براي کاربردهایی از جمله ارزیابی استراتژي هاي بازي، پیش بینی نتایج آموزش، آسیب دیدگی، عملکرد تیمی و فردي، همچنین شناسایی استعدادهاي مختلف در رشته هاي ورزشی مختلف استفاده می شود.
داده کاوي در شکلدهی تجارت ها و ارتباطات مشتریان به ابزار مهمی تبدیل شده است.
استخراج داده ها و کشف آن ها به منظور تصمیم گیري بهتر می باشد و به عنوان یک مولفه ضروري در سازمان هاي مختلف در آمده است.
این تکنیک ها نیازمند زمینه هاي جدید علمی،آماري و قابلیت هاي محاسباتی مناسب می باشد.