جزوه مقدمه ای بر داده کاوی به صورت PDF فارسی

جزوه مقدمه ای بر داده کاوی به صورت PDF فارسی

مقدمه ای بر داده کاوی

در این بخش جزوه مقدمه ای بر داده کاوی از احسان زنجانی را برای دانلود رایگان قرار داده ایم که به صورت فایل PDF در ۲۵ صفحه تهیه شده و متناسب با درس مبانی داده کاوی در مقطع کارشناسی برای رشته مهندسی کامپیوتر است. در ادامه به معرفی این درس پرداخته و فهرست مطالب جزوه به همراه لینک دانلود رایگان قرار داده شده است.

داده‌ کاوی (Data Mining)

با زیاد شدن حجم داده های دیجیتال، مدیریت داده ها اهمیت زیادی پیدا کرده است. کاوش در این حجم وسیع از داده ها امکان استفاده هوشمندانه از حجم زیاد داده ها را فراهم می کند. داده کاوی همچون هر کاوش دیگری به دنبال گنجی است که از چشم نهان است. داده کاوی به عنوان رویکرد کشف دانش، در دریای داده ها می کاود تا مروارید ذیقیمت دانش را به چنگ آورد. هرچند داده کاوی به شکل نوین خود شاخه جدیدی در حوزه علوم دانشگاهی محسوب می شود ولی برخی از روش ها و ابزار های آن دارای سابقه بسیار دیرینه ای هستند.

درس مبانی داده کاوی

درس مبانی داده کاوی در مقطع کارشناسی رشته مهندسی کامپیوتر وجود دارد که هدف این درس آشنا کردن دانشجویان با مباحث پایه ای در کاوش حجم وسیع داده ها و کشف الگوهای جالب موجود در آنها می باشد. در این درس نخست مفاهیم پیش پردازش داده ها مورد بحث قرار می گیرد و سپس مباحث پایگاه داده تحلیلی و گزارش گیری تحلیلی کشف الگورهای مکرر، الگوریتم های خوشه بندی و رده بندی و الگوریتم های پایه ای هر زمینه با جزئیات بررسی می شود.

از دانشجویانی که این درس را با موفقیت پشت سر بگذارند بینش مناسبی در موارد زیر خواهند داشت:

  1. چالش های مدیریت حجم زیاد داده ها
  2. پیش پردازش و آماده سازی داده ها شامل پاکسازی داده ها، خلاصه سازی توصیفی داده ها و تجمیع داده ها
  3. طراحی و استفاده از پایگاه داده تحلیلی
  4. تحلیل نیاز کاربر و انتخاب روش داده کاوی مناسب برای یک مساله
  5. به کار بردن روش های داده کاوی در حل مساله های واقعی

فهرست مطالب جزوه

بخش اول: مقدمه ای بر داده کاوی

  • چه چیزی سبب پیدایش داده کاوی شده است ؟
  • مراحل کشف دانش
  • جایگاه داده کاوی در میان علوم مختلف
  • داده کاوی چه کارهایی نمی تواند انجام دهد ؟
  • داده کاوی و انبار داده ها
  • داده کاوی و OLAP
  • کاربرد یادگیری ماشین و آمار در داده کاوی

بخش دوم: توصیف داده ها در داده کاوی

  • خلاصه سازی و به تصویر در آوردن داده ها
  • خوشه بندی
  • تحلیل لینک

بخش سوم: مدل های پیش بینی داده ها

  • Classification
  • Regression
  • Time series

بخش چهارم: مدل ها و الگوریتم های داده کاوی

  • شبکه های عصبی
  • Decision trees
  • Multivariate Adaptive Regression Splines (MARS)
  • Rule induction
  • K-nearest neibour and memory-based reansoning (MBR)
  • رگرسیون منطقی
  • تحلیل تفکیکی
  • مدل افزودنی کلی (GAM)
  • Boosting

بخش پنجم: سلسله مراتب انتخاب ها


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید

    لیســــــــت پــــــــروژه های انتشــــــــار نشده ( 22 موضوع )

    مشاهده لیست کامل
    مشاهده لیست کامل
    socket programing آموزش برنامه نویسی آموزش سی شارپ بازی تحت شبکه بازی تحت شبکه برای درس مهندسی اینترنت بازی تحت شبکه به زبان سی شارپ برنامه تحت شبکه با سی شارپ برنامه نویسی ترجمه مقاله ترجمه مقاله شبکه خرید سورس بازی تحت شبکه دانلود بازی تحت شبکه دانلود رایگان پروژه های دانشجویی دانلود سورس برنامه دانلود سورس رایگان دانلود نرم افزار دانلود پروژه دانشجویی دانلود پروژه رایگان دانلود پروژه های دانشجویی دانلود کتاب دانلود کتاب آموزشی دانلود کتاب اموزشی سورس بازی با socket programing سورس رایگان سورس کد بازی تحت شبکه سورس کد بازی تحت شبکه با C# سورس کد بازی تحت شبکه چند نفره سوکت پروگرمین نحوه نوشتن برنامه تحت شبکه نحوه نوشتن برنامه تحت شبکه به زبان سی شارپ پروژه arena پروژه matlab پروژه ns2 پروژه opnet پروژه برای درس مهندسی اینترنت پروژه سیمولینک matlab پروژه مهندسی صنایع پروژه مهندسی صنایع با ارنا پروژه های آماده با OpenGL پروژه های آماده با OpenGL در سی پلاس پلاس پروژه های آماده با ارنا پروژه های آماده برای درس گرافیک کامپیوتری پروژه هوش مصنوعی پروژه پردازش تصویر matlab پروژه پردازش سیگنال matlab