لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 33 اسلاید
قسمتی از متن powerpoint (..pptx) :
تکنیک های داده کاوی در بازاریابی فروش و مدیریت ارتباط با مشتری
تعریف :
– استخراج دانش از انبوه داده ها
– کشف الگوها و قوانین پنهان در داده ها
داده کاوی
یک شرکت تجاری می تواند با داده کاوی از طریق درک بهتر مشتریانش فرآیند های بازاریابی، فروش و عملیات حمایت از مشتریانش را بهبود بخشد.
Related Fields
Statistics
Machine
Learning
Databases
Visualization
Data Mining and
Knowledge Discovery
Data Mining Tasks:
Classification
Estimation
Prediction
Association Rules
Clustering
Profiling
وظایف داده کاوی :
طبقه بندی
برآورد
پیش بینی
قوانین وابستگی
خوشه بندی
توصیف
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 46 صفحه
قسمتی از متن word (..doc) :
1
Data mining
چکیده :
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها , الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربراتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طورفزایند های در تحلیل ها مورد استفاده قرار می گیرد.
کلمات کلیدی :
Data mining, Predictive data mining, Exploration data analysis,
Data warehousing, Olap, neural network, Deployment , machine
Learning, Meta-learning, Bagging , Boosting , clustering , Eda
Drill-down analysis, Stacket generalization , classification
2
مقدمه :
امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم (ستاره شناسی،...)در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) کاربرد دارد. عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.
در واقع هـــــدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می کنند. به کاربردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیتهای انباره داده ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می کند.
3
داده کاوی (Data mining) :
داده کاوی (Data mining) یک فرایند تحلیلی است که جهت کاوش داده ها (معمولاً حجم بالای داده ها و یا داده های تجاری و مربوط به بازار) و جستجوی الگوهای پایدار یا روابط سیستماتیک مابین متغیرها بکار میرود وسپس با اعمال الکو های شناسایی شده به زیر مجمو عه های جدید صحت داده های بدست آمده بررسی میگردد. هدف نهایی داده کاوی پیشگویی است.
سازما نها معمو ً لا روزانه مقدار زیادی داده را در انجام عملیات تجاری خود تولید و جمع آوری می کنند.
امروزه برای این پایگاه های داده شرکتی عجیب نیست که مقدار داده های آن در حد ترابایت باشد. با این حال علی رغم ثروت اطلاعاتی عظیم ذخیره شده حدس زده می شود که فقط ٪ ٧کل داد ه هایی که جمع آوری می شود مورد استفاده قرار می گیرد. بدین ترتیب مقدار قابل توجهی داده که بدون شک حاوی اطلاعات ارزشمند سازمانی است تا حد زیادی دست نخورده باقی می ماند. در محیط تجاری عصر اطلاعات، که هر روز رقابتی تر می شود می توان با استخراج اطلاعات از داد ه های استفاده نشده به تصمیم گیری های استراتژیک دست یافت. در طول تاریخ تحلیل داده ها از طریق رگرسیون و دیگر تکنیک های آماری انجام
5
شده است. برای استفاده از این تکنیکها ، لازم است که تحلیل گر مدلی خلق کند و فرآیند گر دآوری دانش را سازمان دهد.
اما امروزه این روش ها به تنهایی کافی نیستند و باید از روش ها ی خود کار استفاده کرد.
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها ، الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربر اتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طور
فرایند های در تحلیل ها مورد استفاده قرار می گیرد
داده کاوی پیشگویانه رایج ترین نوع داده کاوی است و با برنامه های کاربردی تجاری در ارتباط مستقیم است . فرایند داده کاوی از سه مرحله تشکیل شده است.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 15 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
پاورپوینت بررسی تکنیک های داده کاوی در روابط عمومی الکترونیک
سرفصل ارائه
روابط عمومی الکترونیک
داده کاوی و تکنیک های آن
مدل استفاده از داده کاوی در روابط عمومی
4 از 14
روابط عمومی
وظایف
تقویت افکار عمومی، ارزیابی و تفسیر آن در جهت منافع یک سازمان، شناساندن سازمان به مخاطبین خود و همچنین آن مخاطبین به سازمان
هفت وظیفه مهم مدیریت (لوترگیولیک)
برنامهریزی ( Planning )
سازماندهی ( Organizing )
به کار گماردن ( Staffing )
هدایت ( Directing )
هماهنگی ( Coordinating )
گزارشدهی ( Reporting )
بودجهبندی ( Budgeting )
5 از 14
روابط عمومی الکترونیک
تعریف
استفاده از فناوری اطلاعات و ارتباطات در فرایندهای کاری روابط عمومی
ایجاد وب سایت
توسعه وبلاگ
ارائه خدمات Online به مخاطبین
خبرنامه الکترونیکی
...
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 16 اسلاید
قسمتی از متن powerpoint (..pptx) :
داده کاوی
فهرست
+ مقدمه --------------------------------------------- 4
حوزه فعالیتهای داده کاوی ---------------------------- 5
روش آنالیز آماری ----------------------------------- 7
روش داده کاوی ------------------------------------- 7
مراحل کاری در داده کاوی -------------------------- 12
مثال تفهیمی در مورد داده کاوی --------------------- 12
مراجع --------------------------------------------- 14
نتیجه گیری ---------------------------------------- 15
مقدمه
پیشینه طرح موضوع دادهکاوی به دهه 1980 و به صورت جدی، به دهه 1990 برمیگردد. پیش از آن٬ از سیستمهای جمعآوری و مدیریت دادهها و اصطلاحاً لایروبی دادهها استفاده میشد٬ اما به مرور زمان٬ استخراج و کشف سریع و دقیق اطلاعات با ارزش و پنهان از پایگاه دادهها بهعنوان دادهکاوی مورد توجه قرار گرفت. به این شکل بود که فرایند دادهکاوی به عنوان فرایند آماری و تجزیه و تحلیل درفرایند کشف دانش در پایگاه دادهها ( KDD ) پررنگ شد ،به حدی که گاه٬ دادهکاوی ( DM ) بهعنوان مترادف کشف دانش در پایگاه دادهها( KDD ) مورد استفاده قرار میگرفت [2] . امروزه فرایند استخراج اطلاعات معتبر٬ از پیش ناشناخته٬ قابل فهم و قابل اعتماد از پایگاه دادههای بزرگ و استفاده از آن در تصمیمگیری و در فعالیتهای تجاری دادهکاوی نامیده میشود [1] . در تعاریف متعدد و متنوع برای دادهکاوی برموضوعاتی نظیر: استخراج دانش کلان٬ کاوش در دادهها٬ تجزیه و تحلیل دادهها و یافتن روابط و الگوهای مطمئن بین دادهها تاکید میشود. هدف نهایی دادهکاوی٬ ایجاد سیستمهای پشتیبانی تصمیمگیری سازمانی است. دادهکاوی به استخراج اطلاعات مفید و دانش از حجم زیاد دادهها میپردازد. دادهکاوی٬ الگوهای حاوی اطلاعات را در دادههای موجود جستوجو میکند. این الگوها و الگوریتمها، میتوانند توصیفی باشند یعنی دادهها را توصیف کنند و یا جنبه پیشبینی داشته باشند، یعنی از متغیرها برای پیشبینی ارزشهای ناشناخته سایر متغیرها بهکار روند. دادهکاوی توصیفی، بهدنبال یافتن اگرها در فعالیتها یا اقدامات گذشته است و دادهکاوی پیشبینانه با نگاه به سابقه٬ رفتار آینده را پیشبینی میکند [1] .
حوزه فعالیتهای داده کاوی
هدف دادهکاوی٬ تجزیه و تحلیلاکتشافی دادهها٬ کشف الگوها و قواعد و الگوریتمها٬ مدلسازی پیشبینانه وجستوجوی انحرافات است. برای انجام این هدف٬ فرایند دادهکاوی درجهت کشف دانش درمراحل مختلف انجام میشودکه عبارت است از:
1. شناسایی هدف و فهم حوزه کاربرد آن است و مشخص میکند که چهکاری٬ در چه حوزهایانجام خواهد شد.
2. انتخاب دادهها یعنی تعیین اهداف برای تجزیه و تحلیل و کشفآن
3. آمادهسازی دادهها شامل تمیزسازی دادهها
4. اتخاذ بهترین روشدادهکاوی برای دستیابی به اهداف
5. اجرای دادهکاوی یعنی بهکارگیریالگوریتم
6. ارزیابی و اعتبارسنجی یافتهها
7. استفاده از نتایج و تثبیت وتحکیم دانش کشف شده
8. تصمیم گیری براساس دانش کشف شده
اکتشاف در این مرحله معمولا با آماده سازی داده ها که ممکن است شامل تمیز کردن داده ها ، تبدیل داده ها ، زیر مجموعه های انتخاب آثار ضبط شده و انجام برخی از عملیات اولیه انتخابشروع می شود . سپس بسته به ماهیتتحلیلی ، این مرحله از فرایند استخراج داده ها ممکن است شامل هر انتخاب ساده و سرراست برای یک مدل رگرسیون استادانه درست شده را به تجزیه و تحلیل اکتشافی با استفاده از طیف گسترده ای از روش های گرافیکی و آماری به منظور شناسایی متغیرهای مربوطه و تعیین پیچیدگی از طبیعت مدل ها باشد. البته ناگفته نماند که داده کاوی معمولا با نوشتنمقدار زیادی گزارش و تحقیق و استعلام در آنها اشتباه گرفته می شود. اما در واقعداده کاوی هیچ کدام از اینها را شامل نمی شود. داده کاوی توسط تجهیزات خاصی صورتمی پذیرد، که عملیات کاوش را بر اساس تجزیه و تحلیل مکرر داده ها انجام می دهد
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 41 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
1
2
داده کاوی الگوهای تکرارشونده در جریان دادهها
3
جریان داده
بسیاری از برنامه های کاربردی نوع داده جدیدی به نام جریان داده را تولید و تحلیل می کنند که در آن داده ها به صورت پویا به یک بستر ( یا پنجره ) وارد و یا از آن خارج می شوند .
خواص جریان داده :
حجم زیاد و گاه نامحدود
تغییرپویا
جریان به درون و خارج با یک ترتیب مشخص
پیمایش یکبار یا تعدا د محدود
نیازمند زمان پاسخ سریع ( اغلب بلادرنگ )
ممکن است دارای چندین منبع باشند .
4
جریان داده
بایگانی
پایگاه داده های موجود در سیستم
منبع چکنویس
سیستم مدیریت
جریان داده
جریان های ورودی
صادرکردن پرسوجوی پیوسته
ذخیره نتایج حاصل از جریان
نتایج پرس و جوی جریان
یک نگاه کلی به جریان داده
5
جریان داده
در جریان داده تعدادی یا همه داده های ورودی که باید روی آنها عملیات انجام شود روی دیسک یا حافظه اصلی قرار ندارند و بیشتر به صورت جریان داده پیوسته می رسند .
جریان داده ها از داده های ذخیره شده در موارد زیر متفاوت اند :
عناصر داده ها به صورت بر خط می رسند .
سیستم هیچ گونه کنترلی روی ترتیب عناصر داده ای ( روی عناصر جریان یا جریانهای داده ای ) ، که جهت پردازش می رسند ، ندارد .
جریانهای داده ای به صورت ذاتی از نظر اندازه نامحدود هستند .
یک عنصر از جریان داده پس از پردازش یا نادیده در نظر گرفته می شود یا آرشیو می شود .
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 46 صفحه
قسمتی از متن word (..doc) :
1
Data mining
چکیده :
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها , الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربراتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طورفزایند های در تحلیل ها مورد استفاده قرار می گیرد.
کلمات کلیدی :
Data mining, Predictive data mining, Exploration data analysis,
Data warehousing, Olap, neural network, Deployment , machine
Learning, Meta-learning, Bagging , Boosting , clustering , Eda
Drill-down analysis, Stacket generalization , classification
2
مقدمه :
امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم (ستاره شناسی،...)در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) کاربرد دارد. عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.
در واقع هـــــدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می کنند. به کاربردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیتهای انباره داده ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می کند.
3
داده کاوی (Data mining) :
داده کاوی (Data mining) یک فرایند تحلیلی است که جهت کاوش داده ها (معمولاً حجم بالای داده ها و یا داده های تجاری و مربوط به بازار) و جستجوی الگوهای پایدار یا روابط سیستماتیک مابین متغیرها بکار میرود وسپس با اعمال الکو های شناسایی شده به زیر مجمو عه های جدید صحت داده های بدست آمده بررسی میگردد. هدف نهایی داده کاوی پیشگویی است.
سازما نها معمو ً لا روزانه مقدار زیادی داده را در انجام عملیات تجاری خود تولید و جمع آوری می کنند.
امروزه برای این پایگاه های داده شرکتی عجیب نیست که مقدار داده های آن در حد ترابایت باشد. با این حال علی رغم ثروت اطلاعاتی عظیم ذخیره شده حدس زده می شود که فقط ٪ ٧کل داد ه هایی که جمع آوری می شود مورد استفاده قرار می گیرد. بدین ترتیب مقدار قابل توجهی داده که بدون شک حاوی اطلاعات ارزشمند سازمانی است تا حد زیادی دست نخورده باقی می ماند. در محیط تجاری عصر اطلاعات، که هر روز رقابتی تر می شود می توان با استخراج اطلاعات از داد ه های استفاده نشده به تصمیم گیری های استراتژیک دست یافت. در طول تاریخ تحلیل داده ها از طریق رگرسیون و دیگر تکنیک های آماری انجام
5
شده است. برای استفاده از این تکنیکها ، لازم است که تحلیل گر مدلی خلق کند و فرآیند گر دآوری دانش را سازمان دهد.
اما امروزه این روش ها به تنهایی کافی نیستند و باید از روش ها ی خود کار استفاده کرد.
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها ، الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربر اتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طور
فرایند های در تحلیل ها مورد استفاده قرار می گیرد
داده کاوی پیشگویانه رایج ترین نوع داده کاوی است و با برنامه های کاربردی تجاری در ارتباط مستقیم است . فرایند داده کاوی از سه مرحله تشکیل شده است.