داده کاوی
داده کاوی
عنوان پایان نامه : وب کاوی در صنعت
قالب بندی : Word
قیمت : رایگان
شرح مختصر : با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.
فهرست :
مقدمه
فصل دوم: داده کاوی
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
توصیف داده ها در داده کاوی
خلاصه سازی و به تصویر در آوردن داده ها
خوشه بندی
تحلیل لینک
مدل های پیش بینی داده ها
دسته بندی
رگرسیون
سری های زمانی
مدل ها و الگوریتم های داده کاوی
شبکه های عصبی
درخت تصمیم
Multivariate Adaptive Regression Splines(MARS)
Rule induction
Knearest neibour and memorybased reansoning(MBR)
رگرسیون منطقی
تحلیل تفکیکی
مدل افزودنی کلی (GAM)
Boosting
سلسله مراتب انتخابها
داده کاوی و مدیریت بهینه وب سایت ها
داده‌کاوی و مدیریت دانش
فصل سوم: وب کاوی
تعریف وب کاوی
مراحل وب کاوی
وب کاوی و زمینه های تحقیقاتی مرتبط
وب کاوی و داده کاوی
وب کاوی و بازیابی اطلاعات
وب کاوی و استخراج اطلاعات
وب کاوی و یادگیری ماشین
انواع وب کاوی
چالش های وب کاوی
مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان
محتوا کاوی وب
فصل چهارم: وب کاوی در صنعت
انواع وب کاوی در صنعت
وب کاوی در صنعت نفت، گاز و پتروشیمی
مهندسی مخازن/ اکتشاف
مهندسی بهره برداری
مهندسی حفاری
بخشهای مدیریتی
کاربرد های دانش داده کاوی در صنعت بیمه
کاربردهای دانش داده کاوی در مدیریت شهری
کاربردهای داده کاوی در صنعت بانکداری
بخش بندی مشتریان
پژوهش های کاربردی
نتیجه گیری
منابع و ماخذ فارسی
مراجع و ماخذ لاتین و سایتهای اینترنتی
داده کاوی
عنوان پایان نامه: یادگیری ماشین
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : : یکی از موضوعاتی که بسيار به زمينه هوش نزديک است يادگيری می باشد . در واقع بدون وجود يادگيری هوش نمی تواند وجود داشته باشد زيرا يادگيری ابزار دريافت دانش های جديد است. يادگيری شما را قادر می سازد ازتجارب ووقايعی که برای خودتان پيش آمده استفاده کنيد . ازين رو توانايی يادگيری يک ابزار قدرتمند محسوب می شود و هيچ تعجبی ندارد که بسياری از برنامه نويسان می خواهند برنامه ای بسازند که بتواند اين ابزاررا به همان ترتيبی که انسانها استفاده می کنند بکارگيرد برنامه هايی که بتوانداين عمل را انجام دهد ازلحاظ تئوری برای هميشه آخرين برنامه ای است که نوشته می شود زيرا اين برنامه می تواند وظايف مختلف خودش را به سادگی و با فکر کردن ياد بگيرد. فن آوری جديد اطلا عات که سالانه باعث توليد تعداد زيادی کامپيوترهای قدرتمند تر و جديد تر می شود امروزه امکان جمع آوری، انتقال، ترکيب و ذخيره حجم زيادی از اطلا عات را با هزينه زياد، عملی ساخته است.افزايش مستندات و تصاوير،صداها و جداول و….ما را به سمت استخراج اطلاعات از اين داده ها رهنمون می سازد و با يک نگاه دقيق به داده ها در می يابيم که داده ها به تنهايی اگرچه زياد هم باشند کافی نيستند. . يک روش برای استخراج داده ها با حجم زياد داده کاوی می باشد که ماشينهای يادگيرنده يکی از کاربردهای ان است اين ماشينها دانش مربوط به نمونه ها و مستندات که داده های ما هستند را استخراج می کنند. اين سيستم ها به عبارتي رفتار يادگيري انسان را در سيستم هاي هوشمند شبيه سازي مي کند. ماشين هاي يادگيرنده در سيستم هاي هوشمند براي افزايش دانش و تغيير آن، افزايش كارآيي و تصحيح اتوماتيك خطا مورد استفاده قرار مي گيرند.
فهرست :
مقدمه
یادگیری ماشین
بررسی سیستم های طبقه کننده بر اساس آموزش ماشین سود بخشنده
چرا یادگیری؟
کیو – یادگیری
چالش های حوزه یادگیری ماشین
داده کاوی با استفاده از اتوماتای یادگیر
دستاوردهای حدید گوگل در زمینه یادگیری ماشین
یادگیری سارسا فازی با توزیع محلی پاداش
روش جدید K نزدیکترین همسایه فازی و ناهموار برای طبقه بندی نیمه نظارتی
منابع
داده کاوی
عنوان مقاله : داده کاوی با اتوماتای یادگیر
قالب بندی: پاورپوینت
قیمت : رایگان
شرح مختصر : داده کاوی به استخراج دانش از داده ها اشاره دارد و هسته اصلی آن در فصل مشترک یادگیری ماشین، آمار و پایگاه داده است.يک اتوماتاي يادگير را مي‌توان بصورت يک شئ مجرد که داراي تعداد متناهي عمل است، در نظر گرفت. اتوماتاي يادگير با انتخاب يک عمل از مجموعه عمل هاي خود و اِعمال آن بر محيط، عمل مي‌کند. عمل مذکور توسط يک محيط تصادفي ارزيابي مي‌شود و اتوماتا از پاسخ محيط براي انتخاب عمل بعدي خود استفاده مي‌کند. در این مقاله یک کاوش کننده بر پایه اتوماتای یادگیر پیشنهاد شده است که LA-miner نام گذاری شده است.
فهرست :
چکیده مقاله
داده کاوی
اتوماتای یادگیر
داده کاوی با استفاده از اتوماتای یادگیر
نتایج آزمایشات
منابع و ماٌخذ
داده کاوی
عنوان مقاله : سیستم های اطلاعات مدیریت
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : امروزه تجارت ثانیه به ثانیه دگرگون میشود و ساختاری پیچیده تر به خود میگیرد. در این شرایط، مدیران با انبوهی از اطلاعات مواجه هستند که این اطلاعات باید تحلیل، قابل فهم، نگهداری و بازیابی گردد. وقتی مدیر یک سازمان می خواهد تصمیم بگیرد، داده های فراوانی که اغلب مفید نیستند، در اختیارش قرار میگیرد. این داده ها باید پالایش و معنی‌دار شوند و به اطلاعات مفید تبدیل شوند. اینجا است که نیاز به سیستمهای اطلاعات مدیریت احساس می شود. دانش سیستمهای اطلاعات مدیریت، اطلاعات مربوط به زمان گذشته و حال را گردآوری میکند، امكان پیشبینی آینده را فراهم میآورد و اطلاعات مورد نیاز مدیران را در اختیار آنها قرار میدهد تا بتوانند تصمیمات مقتضی را اتخاذ كنند. همانطور که از عبارت تعریف کننده اش پیداست، به سه بحث گسترده ی مدیریت، اطلاعات و سیستم پیوند خورده است. برای این منظور این مقاله در فصلهای مجزا، سه مقوله ی اساسی را مورد بحث قرار میدهد و در نهایت به شرح اختصاصی MIS میپردازد.
کلمات کلیدی : سیستم های اطلاعات مدیریت، احسان صفایی، مدیران، اطلاعت مفید، مفهوم اطلاعات، افزونگی اطلاعات، داده کاوی، مفاهیم سیستم ها، برنامه سازی ساخت یافته، مدل سازی داده، تحلیلگر سیستم ها، مدیر پایگاه داده ها، سیستم اتوماسیون اداری، سیستم خبره یا هوشمند، شاخص های طراحی،