1. داده کاوی و هوش کسب و کار و کاربرد آنها در مدیریت دانش

2. الگوريتمهاي داده كاوي و استفاده آنها در مديريت دانش

3. پروژه هاي انجام شده داده كاوي در صنعت و تجارت

زير فصل

1-1 رابطه مديريت دانش داده كاوي و هوش كسب و كار

1-2- مقدمه اي بر داده كاوي و هوش كسب و كار

1-3 OLAP و انبار داده ها

1-4 فرايند داده كاوي و قابليتهاي داده كاوي

1-5 مدلسازي و ارزيابي مدلها

2-1 درختهاي تصميم و شبكه هاي عصبي مصنوعي

2-2 قوانين و پيوند

2-3 الگوريتمهاي خوشه اي

2-4 روش نزديكترين همسايه ها

3-1 عوامل موفقيت پروژه هاي داده كاوي در چهارچوب مديريت دانش

3-2 كاربرد داده كاوي در CRM

3-3 كاربرد داده كاوي در بيمه و بانكها

34- كاربرد داده كاوي در صنايع خودرو سازي

نوشته تکنیکهای داده کاوی جهت تسهیل در تصمیم گیری مدیران اولین بار در ایران متلب پدیدار شد.

مرور اجمالی

به طور کی، داده کاوی( که گاهی اوقات موسوم به کشف دانش یا داده است)، فرایند تحلیل داده ها از نقطه نظرات مختلف و خلاصه سازی آن به اطلاعات مقید است. اطلاعاتی را که می توان برای افزایش درامد، کاهش هزینه و یا هر دو مورد استفاده قرار داد. نرم افزار داده کاوی، یکی از ابزار های تحلیلی برای تحلیل داده ها است. این نرم افزار به کاربران امکان تحلیل داده ها را از ابعاد و زوایای مختلف، طبقه بندی آن و خلاصه سازی روابط شناسایی شده می دهد. از دیدگاه فنی، داده کاوی، فرایند یافت همبستگی یا الگو های میان چندین رشته در دیتابیس های رابطه مند بزرگ می باشد.

نواوری پیوسته

اگرچه داده کاوی یک اصطلاح نسبتا جدید است، با این حال فناوری یک اصطلاح جدید نمی باشد. شرکت ها از کامپیوتر های قوی برای پردازش حجم زیادی از داده های اسکنر سوپرمارکت و تحلیل گزارش های تحقیقاتی بازاری برای چندین سال استفاده کرده اند. با این حال، نواوری های مستمر در توان پردازش کامپیوتری، حافظه دیسک و نرم افزار های اماری به شدت موجب افزایش صحت تجزیه تحلیل ها ضمن کاهش هزینه شده است.

مثال

برای مثال، یک سوپر مارکت از ظرفیت داده کاوی نرم افزار اوراکل برای تحلیل الگوهای خرید محلی استفاده کرده است. آن ها کشف کرده اند که وقتی مردان پوشک را در روز پنج شنبه یا شنبه خرید می کنند، آن ها تمایل دارند آبجو نیز بخرند. تحلیل بیشتر نشان داده است که این خریداران معمولا خرید هفتگی از سوپر مارکت را در روز شنبه انجام دهند. در پنج شنبه، با این حال آن ها چند ایتم را خریداری می کنند. خرده فروش به این نتیجه رسیده است که مردان آبجو را برای اخر هفته خریداری می کنند. سوپر مارکت می تواند از این اطلاعات جدیدا کشف شده به شیوه های مختلف برای افزایش سود و درامد استفاده کند. برای مثال،آن ها می توانند ویترین ابجو را نزدیک ویترین پوشک قرار دهند. و، آن ها می توانند اطمینان حاصل کنند که ابجو و پوشک با قیمت کامل در پنج شنبه بفروشند.

داده ها، اطلاعات و دانش

داده ها

داده ها شامل هر گونه حقایق، اعداد و متونی هستند که می توانند توسط یک کامپیوتر پردازش شوند. امروزه، سازمان ها در حال انباشت طیف وسیعی از داده ها به فرمت ها و دیتابیس های مختلف هستند از جمله :

• داده های عملیاتی یا تراکنشی نظیر فروش، هزینه، موجودی، و حسابداری
• داده های غیر عملیاتی نظیر فروش صنعتی، داده های پیش بینی و داده های اقتصادی کلان
• فرا داده ها، داده های مربوط به خود داده ها نظیر طرح دیتابیس منطقی یا تعاریف دیکشنری داده ها

اطلاعات

الگو ها، رابط و همبستگی های میان همه این داده ها می توانند اطلاعات را در اختیار بگذارند. برای مثال، تحلیل داده های نقطه تراکنش فروش خرده فروشی می توانند اطلاعاتی را در مورد نوع محصول فروشی و زمان آن ارایه کنند

دانش

اطلاعات را می توان به دانش مربوط به الگو های تاریخی و تغییرات آینده تبدیل کرد. برای مثال، اطلاعات خلاصه در خصوص فروش سوپرمارکت را می توان از حیث تلاش های تبلیغاتی برای ارایه دانش رفتار خرید مصرف کننده تحلیل کرد. از این روی، یک خرده فروش یا تولید کننده قادر به تعیین نوع گویه هایی است که بیشترین حساسیت را به تلاش های تبلیغاتی دارند.

انبار های داده ها

پیشرفت های بنیادین در جذب داده ها، توان پردازشی، انتقال داده ها و ظرفیت های ذخیره سازی و حافظه ای سازمان ها را قادر به تلفیق دیتابیس های مختلف در انبار های داده ها می کنند. انبار داده ها به صورت فرایند مدیریت داده های متمرکز و نیز بازیابی آن ها تعریف می شود. انبار داده ها نظیر داده کاوی، یک اصطلاح نسبتا جدید است اگرچه این مفهوم به خودی خود به مدت سال ها وجود داشته است. انبار داده ها یک چشم انداز ایده ال برای حفظ مخازن مرکزی داد ه های سازمانی است. متمرکز سازی داده ها برای بیشیته سازی دسترسی و تحلیل کاربر نیاز است. پیشرفت های فناوری مهم موجب شده است تا این چشم انداز به یک واقعیت برای بسیاری از شرکت ها تبدیل شود. و پیشرفت های دیگر در نرم افزار های تحلیل داده ها به کاربران امکان دسترسی به این داده ها را به طور رایگان می دهد. نرم افزار تحلیل داده ها، از داده کاوی پشتیبانی می کند.

دانلود رایگان درس داده کاوی دانشگاه اصفهان

جلسه اول

جلسه دوم

جلسه سوم

جلسه چهارم

جلسه پنجم

جلسه ششم

جلسه هفتم

جلسه هشتم

جلسه نهم

جلسه دهم

جلسه یازدهم

جلسه دوازدهم

جلسه سیزدهم

جلسه چهاردهم

جلسه پانزدهم

جلسه شانزدهم

جلسه هفدهم

جلسه هیجدهم

جلسه نوزدهم

جلسه بیستم

محصولات مرتبط

نوشته داده کاوی data mining اولین بار در ایران متلب پدیدار شد.

عمده شهرت وکا به خاطر سادگی کار با آن و تعداد زیاد روشهای موجود داده کاوی آن می باشد. شما در این نرم افزار می توانید بیشتر دسته بندی کننده های مهم را پیدا کنید. هر دسته بندی کننده برای خود تنظیماتی دارد که کاربر می تواند با تغییر آنها نحوه عملکرد آنرا تنظیم کند.

کار با نرم افزار وکا معایبی دارد. یکی از مهم ترین معایب آن بسته بودن دست کاربر در تغییر توابع این نرم افزار است. به عبارت دیگر شما نمی توانید هیچ تغییری در روال اجرای یک دسته بندی کننده به عنوان مثال شبکه عصبی بدهید. شما فقط باید دیتا بدهید. خروجی بدهید. اگر بخواهید کد جاوا شبکه عصبی را تغییر دهید و یک شبکه عصبی بنا به ایده خود داشته باشید، غیر ممکن است. اما نرم افزار متلب MATLAB این مشکل را ندارد. در متلب شما می توانید هر تغییری که خواستید در کد انجام دهید.

عیب بعدی وکا این است که همه چیز به صورت GUI انجام می شود. یعنی تمامی عملیات با کلیک کاربر انجام می شود و برای هر کاری پنجره ای تعریف شده است. لذا اگر شما بخواهید تغییری در روند برنامه انجام دهید باید همه چیز را از اول با کلیک انجام دهید. ولی در متلب شما می توانید یک پروژه بزرگ را پیاده سازی کنید و برای تغییر یک قسمت از تابع تنها به همان بخش مراجعه کرده و تغییر خود را اعمال کنید و سپس تنها با یک کلیک نتیجه تغییرات جدید را ببینید.

یکی از مشکلات متلب عدم وجود تمامی توابع وکا می باشد. نرم افزار وکا از نظر تعداد دسته بندی کننده ها نسبت به متلب کاملتر است. لذا گاهی لازم می شود که ما یکی از توابع وکا در متلب فراخوانی کنیم و از آن استفاده کنیم.

در این فیلم آموزشی قصد داریم که به شما نحوه استفاده از توابع وکا در متلب را آموزش بدهیم.

نوشته آموزش استفاده از weka در matlab اولین بار در ایران متلب پدیدار شد.

مجموعه این سه فیلم آموزشی می توانید به عنوان بسته آموزشی داده کاوی تهیه کنید.

نوشته بسته آموزشی داده کاوی اولین بار در ایران متلب پدیدار شد.

اولین بار کلمنتاین بود که از نمایش گرافیکی برای ارتباط با کاربر استفاده کرد و این خود تحولی نو بود زیرا کاربر دیگر نیاز به کدنویسی نداشت. بعلاوه ایجاد یک مدل داده کاوی خیلی سریعتر انجام میشد و درنتیجه تصمیم گیری نهایی زودتر حاصل می شد.

کلمنتاین قدرت خود را ازترکیب با CRISPDM دارد که یک مدلسازی گرافیکی می باشد. با این نرم افزار بیشتر الگوریتم های داده کاوی را می شود پیاده سازی کرد.

هر فرایند در کلمنتاین clementine به صورت یک آیکون (icon) یا گره (node) بیان می شود. با اتصال گره ها یک stream ساخته می شود که مسیر تغییر داده در طول فرایند را نشان می دهد.

کار در کلمنتاین شبیه استفاده از یک سیستم ساخت فرایندهای تصویری می باشد که می تواند داده های جهان واقعیت و آمار و الگوریتم های پیچیده را در دل خود بیان کند.

در ابتدای کار با کلمنتاین شاید یک مقدار مشکل به نظر برسد اما به مرور متوجه می شوید که کار با این نرم افزار بسیار ساده می باشد. ایران متلب هم در همین راستا فیلم آموزشی نرم افزار کلمنتاین را تهیه کرد تا علاقه مندان داده کاوی بتوانند الگوریتم های خود را در این نرم افزار هم مانند وکا و رپیدماینر پیاده سازی کنند.

برخی از مزیت های کامنتین :

ساخت بصری مدل ، که کار مدلسازی را تبدیل به یک کار هنری کرده است.

مفهوم “مسیر داده” شما را قادر می سازد که چندین مدل را در دل یک مدل جا دهید.

کلیک و ساخت مدل (هیچ کدنویسی لازم نیست)

مدلهای گوناگون و جامع در بیشتر الگوریتم های مهم و کاربردی مورد نیاز متخصصین حرفه ای

برخی از مدلهای پشتیبانی شده در کلمنتاین :

درخت تصمیم

درخت C&R

QUEST

CHAID

C 5.0

لیست تصمیم Decision List

شبکه های عصبی

رگرسیون

رگرسیون خطی

رگرسیون لاجستیک

شبکه بیزین

ماشین بردار پشتیبان SVM

ماژول استنتاج قانون عمومی (GRI)

مدل apriori

مدل CARMA

مدل sequence

K-means

کوهنن kohonen

Two Step

شناسایی anomaly

ارسال لینک های دانلود به ایمیل شما

قسمت هایی از این فیلم آموزشی :

پیش نمایش 1

لینک دانلود پیش نمایش 1 (کیفیت بالا)

پیش نمایش 2

لینک دانلود پیش نمایش 2 (کیفیت بالا)

پیش نمایش 3

لینک دانلود پیش نمایش 3 (کیفیت بالا)

پیش نمایش 4

لینک دانلود پیش نمایش 4 (کیفیت بالا)

 تصاویر انتخابی از این فیلم آموزشی :

نوشته فیلم آموزشی کلمنتاین clementine اولین بار در ایران متلب پدیدار شد.

گفته می شود این نرم افزار 99 درصد راه حل های آنالیزی پیشرفته را بدون هیچ زحمت کدنویسی برای  محقق داده کاوی فراهم می کند.

این نرم افزار با زبان برنامه نویسی جاوا نوشته شده است. تمامی عملیات در نرم افزار رپیدماینر توسط پنجره گرافیکی انجام می شود. عملیات workflow در رپیدماینر به نام فرایند process شناخته می شوند که شامل چندین عملگر operator تشکیل می شوند. هر عملگر یک وظیفه را در فرایند انجام می دهد.

این نرم افزار قابلیت ارتباط با نرم افزارهای داده کاوی دیگر مانند  R و  weka را دارد.

ارسال لینک های دانلود به ایمیل شما

پیش نمایش 1 

لینک دانلود پیش نمایش 1 (کیفیت بالا)

پیش نمایش 2 

لینک دانلود پیش نمایش 2 (کیفیت بالا)

پیش نمایش 3 

لینک دانلود پیش نمایش 3 (کیفیت بالا)

پیش نمایش 4 

لینک دانلود پیش نمایش 4 (کیفیت بالا)

پیش نمایش 5 

لینک دانلود پیش نمایش 5 (کیفیت بالا)

پیش نمایش 6 

لینک دانلود پیش نمایش 6 (کیفیت بالا)

پیش نمایش 7 

لینک دانلود پیش نمایش 7 (کیفیت بالا)

نوشته فیلم آموزشی فارسی رپیدماینر rapidminer اولین بار در ایران متلب پدیدار شد.

دانلود فیلم آموزش فارسی نرم افزار weka

برای اولین بار در ایران

دانلود فیلم آموزش فارسی نرم افزار weka 

گروه ایران متلب یک فیلم آموزشی فارسی نرم افزار weka تهیه کرده است.

بیشتر فیلم های آموزشی نرم افزار weka که در اینترنت موجود هستند زبان اصلی می باشند.

شما با پرداخت مبلغ ناچیزی میتوانید این فیلم آموزش فارسی را دانلود کنید و این نرم افزار داده کاوی را سریع یاد بگیرید.

ارسال لینک های دانلود به ایمیل شما

کار با این نرم افزار بسیار ساده و شیرین می باشد . دسته بندی کننده های بسیار کامل می باشند و تقریبا تمامی دسته بندی کننده ها و تابع های داده کاوی را شامل می شود. 

قسمتی از این فیلم آموزشی

لینک دانلود کیفیت بالا قسمت اول

محصولات مرتبط

نوشته دانلود فیلم آموزش فارسی نرم افزار weka اولین بار در ایران متلب پدیدار شد.