عنوان پروژه : داده کاوی، مفاهیم و کاربرد پروژهقالب بندی: wordقیمت: 2500 تومانتعداد صفحات: 101شرح مختصر: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 را پردازش کردواطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد .با استفاده از پرسش هاي ساده در SQL 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 چند زبر دست 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 مادي بسيار بالا است .از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند .داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .در داده کاوي از بخشي از علم آمار 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 شود . علاوه بر اين داده کاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم 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 مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است .هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد .فهرست:چکیدهمقدمهفصل اول –مفاهیم داده کاویمديريت ذخيره سازی و دستيابی اطلاعاتساختار بانک اطلاعاتی سازمانداده کاوی (Data Mining)مفاهيم پايه در داده کاويتعريف داده کاويمراحل فرايند کشف دانش از پايگاه داده هاالگوريتم هاي داده كاويآماده سازي داده براي مدل سازيدرک قلمروابزارهای تجاری داده کاوی ToolsDM Commercialمنابع اطلاعاتی مورد استفادهمحدودیت های داده کاویحفاظت از حریم شخصی در سیستمهای دادهكاویفصل دوم : کاربردهای داده کاویکاربرد داده کاوی در کسب و کار هوشمند بانک. داده كاوي درمديريت ارتباط بامشتريکاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهیداده کاوی و مدیریت موسسات دانشگاهیداده کاوی و مدیریت بهینه وب سایت هادادهكاوي و مديريت دانشكاربرد دادهكاوي در آموزش عاليفصل سوم – بررسی موردی1: وب کاویمعماری وب کاویمشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبانمحتوا کاوی وبفصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیکزمينه داده کاوي در شهر الکترونيککاربردهاي دادهکاوي در شهر الکترونيک. چالشهاي داده کاوي در شهر الکترونيک. مراجع و ماخذ
داده کاوی، مفاهیم و کاربرد پروژه
عنوان پروژه : داده کاوی، مفاهیم و کاربرد پروژهقالب بندی: wordقیمت: 2500 تومانتعداد صفحات: 101شرح مختصر: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 را پردازش کردواطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد .با استفاده از پرسش هاي ساده در SQL 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 چند زبر دست 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 مادي بسيار بالا است .از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند .داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .در داده کاوي از بخشي از علم آمار 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 شود . علاوه بر اين داده کاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم 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 مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است .هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد .فهرست:چکیدهمقدمهفصل اول –مفاهیم داده کاویمديريت ذخيره سازی و دستيابی اطلاعاتساختار بانک اطلاعاتی سازمانداده کاوی (Data Mining)مفاهيم پايه در داده کاويتعريف داده کاويمراحل فرايند کشف دانش از پايگاه داده هاالگوريتم هاي داده كاويآماده سازي داده براي مدل سازيدرک قلمروابزارهای تجاری داده کاوی ToolsDM Commercialمنابع اطلاعاتی مورد استفادهمحدودیت های داده کاویحفاظت از حریم شخصی در سیستمهای دادهكاویفصل دوم : کاربردهای داده کاویکاربرد داده کاوی در کسب و کار هوشمند بانک. داده كاوي درمديريت ارتباط بامشتريکاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهیداده کاوی و مدیریت موسسات دانشگاهیداده کاوی و مدیریت بهینه وب سایت هادادهكاوي و مديريت دانشكاربرد دادهكاوي در آموزش عاليفصل سوم – بررسی موردی1: وب کاویمعماری وب کاویمشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبانمحتوا کاوی وبفصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیکزمينه داده کاوي در شهر الکترونيککاربردهاي دادهکاوي در شهر الکترونيک. چالشهاي داده کاوي در شهر الکترونيک. مراجع و ماخذ