Astaraki

داده کاوی یکی از تکنیک های اساسی برای تحلیل مقدار حجیمی از داده ها می باشد.

در صورتی که یک data warehouse با اندازه کافی بزرگ در دسترس باشد و داده های دارای کیفیت مناسب باشند، تکنولوژی داده کاوی می تواند موقعیت های کسب و کار جدیدی را با فراهم نمودن قابلیت هایی به شرح زیر ایجاد نماید.
پیش بینی خودکار روند ها و رفتارها
کشف خودکار الگو هایی که قبلا ناشناخته بودند

کاربر نهایی می تواند فعالیت های داده کاوی را با داشتن کمی مهارت برنامه نویسی و یا بدون مهارت برنامه نویسی انجام دهد.

می توان با اتصال ابزار مورد نیاز داده کاوی به نرم افزارهایی نهایی مورد کاربرد توسط کاربران نظیر برنامه های صفحه گسترده (spread sheet) سهولت کاربر نهایی را در استفاده از این تکنیک ها افزایش داد.

نرم افزارهای تجاری متعددی در این زمینه وجود دارند که فهرست آنها در کتاب موجود است.
کاربرد های متعددی برای داده کاوی در زمینه های تحقیقاتی و صنعتی وجود دارد.

بر طبق گزارش مجله Fortune بیش از نیمی از 1000 موسسه برتر دنیا از تکنیک داده کاوی استفاده می کنند.

اغلب این موسسه ها از داده کاوی به منظور جستجو برای پیدا کردن موقعیت های تجاری بهتر استفاده می کنند

تعدادی از این فعالیت ها عبارتند از:

• خرده فروشی: شامل پیش بینی فروش، محاسبه میزان دقیق سطح موجودی، برنامه توزیع میان مکان های فروش و میزان محصولات معیوب برگشتی
• بانک ها: پیش بینی تعداد نفراتی که با مشکلاتی در زمینه پرداخت وام روبه رو می شوند و پیش بینی خصوصیات افرادی که چنین هستند.
• تولید: پیش بینی میزان خرابی ماشین آلات، مطالعه در مورد فاکتورهای کلیدی برای ارتقای بهره وری تولید.
• بیمه: پیش بینی در مورد میزان هزینه های پرداختی بیمه به افراد طی سال و پیش بینی نفراتی که احتمال پرداخت به آنها بالاست.
• بازاریابی: و...

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!

Astaraki

داده كاوي عبارت است از فرايند بكارگيري تكنيك هاي يادگيري كامپيوتري براي تحليل و آناليز اتوماتيك و كشف دانش از داده هاي موجود در يك پابگاه داده است.
داده كاوي فرايند كشف روابط ناشناخته و الگو ها در داده است
مراحل داده كاوي
1. پاكسازي داده : براي از بين بردن اغتشاش در داده
2. جمع آوري داده : جمع آوري داده از منابع مختلف و قراردادن در يك جا (انباره داده )
3. انتخاب داده
4. تبديل داده
5. داده كاوي : استخراج الگوها با روشهاي هوشمند
6. ارزيابي الگو : مشخص كردن الگوهاي جالب

عوامل ايجاد داده كاوي
1. سيل اطلاعات
2. معاملات كامپيوتري ، اطلاعات علمي ، اطلاعات پزشكي اشخاص ، بازيها، شبكه جهاني وب
3. كاربرد اطلاعات به عنوان كالا
4. رشد انبار هاي داده و نياز به استخراج اطلاعات مفيد
5. راهكارهاي فناوري جديد اطلاعات
6. تحقيقات و پيشرفت در علوم از جمله هوش مصنوعي

كاربردهايي از داده كاوي :
مديريت بحران، تحليل شكست، مديريت روابط مشتري (CRM)
بازاريابي، بانكداري، بيمه، حمل و نقل، پزشكي، متن كاوي، شبكه كاوي، صوت كاوي، تصوير كاوي، سيستم هوا شناسي، سيستم ثبت احوال و صنعت
شناخت الگوها و كشف روابط پنهان ميان داده ها ، پيش بيني ، كشف داده هاي خارج از الگو به منظور كشف تقلب ، شناسايي و پيش بيني نيازهاي مشتريان
كنترل كيفيت، كنترل مهندسي و پيش بيني
صنعت خرده فروشي، تحليل مالي

سلسله مراتب استراتژي هاي داده كاوي
1- يادگيري نظارتي (1- تخمين 2- پيش بيني 3- طيقه بندي )
2- بادگيري غير نظارتي
3- تحليل سبد بازار

ابزار هاي داده كاوي
l درختان تصميم گيري
l شبكه هاي عصبي (شبكه هاي عصبي كوهونن و آرت براي طبقه بندي و خوشه بندي )
l قاعده هاي استقراء
l نزديكترين همسايگي
l الگوريتمهاي ژنتيك
l طبقه بندي
l خوشه بندي
l كشف جمعي
l تصويري كردن

داده ها در داده كاوي از سه منبغ بدست مي آيند:
1- انبار داده ها
2- پايگاه داده رابطه اي
3- از صفحات گسترده

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!