کاربرد یادگیری ماشین و آمار در داده کاوی

کاربرد یادگیری ماشین و آمار در داده کاوی

عنوان کتاب  : یادگیری ماشین و علم داده : مبانی، مفاهیم، الگوریتم‌ها و ابزارها

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  امروزه اگر برجسته ترین رهبران تجارت جهانی را گرد هم بیاورید و از آنان بخواهید که بزرگترین تفاوت بین کسب و کار در قرن بیستم در مقابل قرن بیست و یکم را بیان کنند، با احتمال خیلی زیاد، آنها یک کلمه را خواهند گفت: داده.  از آغاز قرن، مقدار داده ها با ظهور رسانه های اجتماعی، تلفن های هوشمند، اینترنت اشیا و دیگر پیشرفت های فن آوری با سرعت شگفت انگیزی افزایش یافته است. تخمین زده میشود که بیش از ۹۰ درصد از کل داده های ایجاد شده توسط انسانها در پنج سال گذشته تولید شده اند. این انفجار اطلاعات به عنوان کلان داده شناخته میشود و به طور کامل جهان اطراف ما را متحول خواهد کرد. رشد نمایی در تولید داده ها، سازمان ها را بیش از هر اندازه ای به این فکر فروبرده است که چگونه میتوانند از داده ها برای تحقق منافع تجاری خود استفاده کنند. در همین حال، افراد به طور فزاینده ای به دنبال توسعه مهارت های داده خود برای برجسته کردن رزومه، پیشرفت شغلی و کسب امنیت شغلی هستند.

کاربرد یادگیری ماشین و آمار در 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