BahramHedayati

سلام ...

در رابطه با انتخاب موضوع مرتبط با داده کاوی، شما باید اول داده های غنی و مفیدی در اختیار داشته باشید. گاهی اوقات پیش میاد که به موضوع خاصی علاقه مندید اما به داده های خوبی از آن موضوع دسترسی ندارید. بنابراین همواره به یاد داشته باشید که خروجی خوب عملیات داده کاوی کاملاً به یک مجموعه داده های خوب وابسته است.

به نظر من شما باید چند زمینه مورد علاقه خود را مشخص کنید و سپس به دنبال یافتن داده های مناسب برای آن موضوعات باشید. بسته به اینکه تا چه حد در تهیه داده ها موفق بودید، موضوع خود را محدود و زمینه نهایی خود را مشخص کنید.

مثلاً زمینه های مورد علاقه من:
آموزش
پزشکی
وب
می باشد. با فرض اینکه داده های بیمارستانی مناسبی در زمینه یک بیماری خاص در اختیار من قرار بگیرد، موضوع و زمینه نهایی را مشخص میکنم. برای مثال: استخراج عوامل مؤثر بر بیماری فشار خون با استفاده از تکنیک های داده کاوی.

البته در اینترنت مجموعه داده های آماده هم موجود هستند. اگر هدف تان فقط ارائه یک سمینار یا مقاله است، می توانید از آنها استفاده کنید؛ اما اگر به فراتر از آن فکر میکنید و به دنبال استخراج یک نتیجه خوب و کاربردی از تحقیق تان هستید، باید به دنبال مجموعه داده های واقعی و محلی در مورد زمینه مورد علاقه تان باشید.

در مورد وب کاوی، آقای بابک توضیحات خوبی ارائه کردند؛ امیدوارم مفید واقع شود.

اما در مورد محاسبات ابری:
این موضوع اساساً دنیای دیگری هست. ممکن است که با داده کاوی نیز مرتبط باشد اما اطلاعات خاص خود را می طلبد و مرتبط بودن آن با داده کاوی به دلیل خاصیت میان رشته ای بودن داده کاوی است.
مثل شبکه های حسگر بی سیم که نه تنها با داده کاوی کاملاً متفاوت است بلکه با شبکه های کامپیوتری که در دانشگاه خوانده ایم نیز فرق های اساسی دارد. با این حال در شبکه های حسگر بی سیم از داده کاوی به منظور حل برخی مسائل مثل بهبود مصرف انرژی استفاده می شود.

بنابراین خصلت میان رشته ای بودن داده کاوی باعث می شود که هر جا داده های مناسبی وجود داشته باشد، داده کاوی کاربرد ویژه و غیرمنتظره ای داشته باشد.

موفق باشید...

babak_1234

سلام

موضوغ انتخابی شما بسیار خوب هست.
پیشنهاد میکنم برای شروع مقالات مروری زیر را حتما مطالعه کنید.

http://iiesl.utk.edu/projects/Web%20...0framework.pdf
http://citeseerx.ist.psu.edu/viewdoc...=rep1&type=pdf
http://mmlabold.ceid.upatras.gr/cour...A%20Survey.pdf

در مورد cloud computing من اطلاعات زیادی ندارم. اما فکر میکنم بیشتر مربوط به نرم افزار باشه تا هوش مصنوعی.

موفق باشید

shirinam

سلام دوست عزیز و ممنون بابت مقالاتی که برام گذاشتین
من 1 ماهه دغدغه انتخاب موضوع را دارم و هنوز موضوم مشحص نشده
استاد هم به من موضوعی پیشنهاد نداد و فقط پیشنهاد داد که سمت داده کاوی بریم
ولی مقالاتی مثلا درر رابطه با متن کاوی یا وب کاوی میبینم محاسبات آماری و ریاضی زیادی داره و فهمش برام مشکله و از این بابت خیلی نگرانم ،اینکه واسه ترجمه وقت بذارم و چیزی عایدم نشه
میشه منو بیشتر راهنمایی کنید..از بلا تکلیفی خسته شدم...استاد هم همه چیو به عهده خودمون گذاشته
یا اصلا موضوع بهتری سراغ دارین ..که ریاضیات زیادی نداشته باشه...ممنون میشم
خیلی به کمک نیاز دارم .
منتظرم

babak_1234

اول از همه بگم که ریاضی و آمار در همه زمینه های هوش مصنوعی وجود داره و شما باید با این فرمول های دوست داشتنی کنار بیاید.

دوم این که شما نیاز ندارید همه فرمول ها رو به طور کامل بفهمید. چون خیلی از اونها فقط اثباتی هستن.

سوم این که به عنوان دانشجو کار شما تحقیق هستش. اگر در درک فرمول ها مشکل دارید با کمک گرفتن از دوستان و مطالعه میتونید مشکل خودتون رو رفع کنید.

در نهایت باید بگم که خیلی از روش هایی که در مقالات به اونها اشاره شده توسط نرم افزار هایی مثل متلب و وکا پیاده سازی شده و نیازی به پیاده سازی مجدد اونها ندارید.

با پشتکار و اعتماد به نفس حتما میتونید موفق بشید.

موفق باشید.

BahramHedayati

دوست عزیز سلام ...
پیشنهاد میکنم یکبار دیگر پاسخ قبلی بنده را مطالعه کنید.

حال اگر قصد دارید در حوزه داده کاوی کار کنید (که به نظر من نسبت به سایر موضوعات مرتبط با مجموعه مهندسی کامپیوتر پیشنیاز ریاضیات کمتری نیاز دارد) ادامه همین پاسخ را مطالعه فرمایید...

به سبب اینکه در ارزیابی موضوع و گزارش نهایی درس سمینار حساسیت کمتری نسبت به پایان نامه وجود دارد، در مورد موضوع مرتبط با داده کاوی درس سمینار به طور عمده می توانید دو کار انجام دهید:

اولین انتخاب که آسان تر هم می باشد، بررسی مقالات مرتبط با یک موضوع خاص. به عنوان مثال می توانید الگوریتم های تکامل یافته K-Means که در موضوعات و حوزه های مختلف کار شده است را با هم مقایسه کنید و مزایا و معایب هر روش در هر حوزه را به عنوان گزارش پایانی خود ارائه نمایید.
مزیت این کار این است که در وقت کمتری میتوانید گزارش خود را تهیه کنید؛ زیرا قرار نیست با کار عملی، جمع آوری داده ها، مراحل پاکسازی داده ها و... درگیر شوید و صرفاً وقت تان صرف مطالعه کارهای دیگران می شود.

دومین انتخاب که شاید دشوارتر اما کاربردی تر است، مشخص کردن داده هایی است که در اختیار دارید یا می توانید در آینده تهیه کنید. سپس بر اساس آن موضوع خود را انتخاب کنید، و بر اساس متدولوژی CRISP کار خود را آغاز نمایید. در طول انجام کارتان نیز اگر با مشکل مواجه شدید می توانید از اعضای این انجمن کمک بگیرید.

برای تکمیل توضیحات، پیشنهاد میکنم پست موضوع پروژه داده کاوی آموزشی را مطالعه کنید تا انتخاب موضوع برایتان ملموس تر شود.

موفق باشید ...