کامپیوتر
داده کاوی (Data Mining)
داده کاوی (Data Mining) : به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از دادهها در
یک یا چند بانک اطلاعاتی بزرگ گفته میشود.
فهرست مطالب:
◊فصل اول (تعریف داده کاوی)
تعاریف داده کاوی
مراحل فرایند کشف دانش از پایگاه داده
تاریخچه داده کاوی
کارکرد داده کاوی
مفاهیم اساسی در داده کاوی
داده کاوی چگونه کار می کند
قابلیتهای داده کاوی
◊فصل دوم (کاربرد داده کاوی)
مثالی کلاسیک از کاربرد داده کاوی
داده کاوی و آمار
تفاوت داده کاوی و آنالیز آمار
آنالیز آماری
روش آنالیز آماری
فواید و نقش داده کاوی در فعالیت شرکت ها
کاربرد داده کاوی در کتابخانه ها و موسسات دانشگاهی
پیشرفت در تکنولوژی داده پردازی
عناصر داده کاوی
فنون داده کاوی
پروژه داده کاوی پیوند
داده کاوی و کاربرد آن در کسب و کار هوشمند بانک
بازاریابی
مدیریت ریسک
تشخیص تقلب
به دست آوردن و حفظ مشتری
فرصت و چالش های داده کاوی در شهر الکترونیکی
داده کاوی چیست
زمینه و تکامل تدریجی داده کاوی در شهر الکترونیک
کاربرد داده کاوی در شهر الکترونیکی
کشف علایق و انگیزه های شهروندان و تولید سرویس های شخصی سازی
تجدید ساختار سایت وب شهر و افزایش کارایی سیستم
تقویت برنامه ریزی های دولت و ترویج نو آوری
بهبود تحلیل ها و تصمیمات دولت
کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
مدیریت و خدمات کتابخانه
تذکرات نهایی
الگوریتم های داده کاوی برای طبقه بندی دانشجویان
نتیجه های آزمایشی
مشکلات تجاری برای داده کاوی
روش کار داده کاوی
◊فصل سوم (الگوریتم های داده کاوی)
استخراج الگوریتم ها(تجزیه و تحلیل سرویس هاداده کاوی)
انواعی از الگوریتم ها داده کاوی
بکار بردن این الگوریتم ها
جرئیات الگوریتم
طراحی SPAM
ابزاری برای کاوش در شبکه گسترده جهان
دادهکاوی
معماری یک سیستم دادهکاوی
وبکاوی
انواع عملیاتی که در وبکاوی انجام میشوند
کاوش محتوایی وب
کاوش ساختاری وب
کاوش کاربردی وب
روشها و ابزارهای وب کاوی
مقیاسهای اصلی برای مقایسه روشهای وب کاوی
انواع موتورهای جستجو
کاوشگر وب
دروازه وب
مقایسه موتور جستجوهای دروازه وب و کاوشگر وب
◊فصل چهارم (نرم افزار های داده کاوی)
نرم افزار داده کاوی SPSS Clementine
داده کاوی و OLAP
داده کاوی موفق
تحلیل ارتباطات
سلسله مراتبی از انتخاب ها
طبقه بندی
حدس بازگشتی
سری های زمانی
شبکه های عصبی
درخت های انتخاب
استنتاج قانون
ساختن یک پایگاه داده داده کاوی
جستجوی داده
آماده سازی داده برای مدل سازی
ساختن مدل داده کاوی
ارزیابی و تفسیر
ایجاد معماری مدل و نتایج
نرم افزارWeka
تعریف
قابلیتهای Weka
دریافت Weka
مروری بر Explorer
به کارگیری فیلترها
الگوریتم های یادگیری
رده بندهای Lazy
خوشه
وابسته
منابع
-
فرمت فایل : word
-
حجم فایل : ۲٫۴ مگا بایت
-
تعداد صفحات : ۱۱۸ صفحه