امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .
با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .
داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .
در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .
باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .
هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .
چکیده 4
مقدمه 6
فصل اول – مفاهیم داده کاوی 9
مدیریت ذخیره سازی و دستیابی اطلاعات 9
ساختار بانک اطلاعاتی سازمان: 10
داده کاوی (Data Mining): 11
مفاهیم پایه در داده کاوی 13
تعریف داده کاوی 14
مراحل فرایند کشف دانش از پایگاه داده ها 16
الگوریتم های داده کاوی 22
آماده سازی داده برای مدل سازی 30
درک قلمرو 38
ابزارهای تجاری داده کاوی Tools DM Commercial 46
منابع اطلاعاتی مورد استفاده 47
محدودیت های داده کاوی 56
حفاظت از حریم شخصی در سیستم‌های دادهکاوی 56
فصل دوم : کاربردهای داده کاوی 59
کاربرد داده کاوی در کسب و کار هوشمند بانک 60
داده کاوی درمدیریت ارتباط بامشتری 61
کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی 63
داده کاوی و مدیریت موسسات دانشگاهی 65
داده کاوی و مدیریت بهینه وب سایت ها 66
دادهکاوی و مدیریت دانش 67
کاربرد دادهکاوی در آموزش عالی 68
فصل سوم – بررسی موردی1: وب کاوی 70
معماری وب کاوی 70
مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان 75
محتوا کاوی وب 76
فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک 79
زمینه دادهکاوی در شهر الکترونیک 81
کاربردهای دادهکاوی در شهر الکترونیک 83
چالشهای دادهکاوی در شهر الکترونیک 88
مراجع و ماخذ 97
شامل 101 صفحه فایل word
دانلود پایان نامه داده کاوی، مفاهیم و کاربرد
