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 ...