مقدمه
مفاهیم پایه در داده کاوی
تعریف داده کاوی
کاربردهای داده کاوی
مراحل فرایند کشف دانش از پایگاه داده ها
انبارش داده ها
انتخاب داده ها
تبدیل داده ها
کاوش در داده ها
تفسیر نتیجه
عملیاتهای داده کاوی
معیارهای انتخاب عملیات داده کاوی
عملیاتها و تکنیکهای داده کاوی
تحلیل پیوند
پارامترهای قوانین وابستگی
مدلها و الگوریتمهای داده کاوی
مدلها و الگوریتمهای داده کاوی
درخت های انتخاب
استنتاج قانون
الگوریتمهای ژنتیک
گامهای اصلی داده کاوی جهت کشف دانش
مراحل لازم برای ساخت یک پایگاه داده داده کاوی
آماده سازی داده برای مدل سازی
منابع و مراجع
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.
دسته: مدیریت
حجم فایل: 100 کیلوبایت
تعداد صفحه: 14
ضرورت بهرهگیری گسترده از فناوری اطلاعات، سازمانها را ملزم می سازد تا برای آگاهی از نیازهای مشتریان و بهبود کیفیت خدمات و تولیدات خود به دانش فنی، مهارتها و تخصصهای لازم مجهز شوند. از همین رو در طول دهه 90، فرآیندهای تعاملی مدیریت مشتری مبتنی بر فناوریاطلاعات، که درارتباط با مشتری است، مجدداً مورد بررسی و مطالعه قرار گرفت و این موضوع که امروزه ”مدیریت ارتباط با مشتری“ نامیده میشود، بهعنوان یک ضرورت اساسی در عرصه فعالیت های اقتصادی مطرح گردیده است. ”مدیریت ارتباط با مشتری“ شامل مجموعه ای از فعالیتها است که سبب ارتقاء زنجیره ارزش یک سازمان میگردد.
خلاصه
در جامعۀ اطلاعاتی امروز شاهد روند رو به رشد شرکت های الکترونیکی و ذخیره سازی اطلاعات آنها در پایگاه های داده ای بزرگ هستیم. استخراج داده سبب دانش افروزی میشود. استخراج اطلاعات میتواند مفاد بارزشی از پایگاه داده ها آشکار کند که به دانش افروزی و بهبود تجارت هوشمند کمک میکند. در این مقاله به این موضوغات می پردازیم که تکنیک های استخراج داده ای چه تاثیری بر سیستم های پایگاه داده ای دارند، چگونه میتوان با استفاده از آنها به اطلاعات مورد نظر دست یافت، به چه ابزارهایی برای استفاده از آنها نیاز است، طرفداران و منتقدان اصلی آنها چه کسانی هستند. با تمامی این تفاسیر برآنیم تا نشان دهیم چگونه میتوان تکنولوژی استخراج داده ای را در تکنیک های آن گنجاند.
مقدمه
در سال های اخیر استخراج داده به تکنیک بسیار معروفی برای استخراج اطلاعات از پایگاه داده در حوزه های مختلف مبدل شده است که به عوامل گوناگونی من جمله قابلیت دسترسی کاربران به آن و نتایج نشان دهنده آن بستگی دارد. استخراج داده به معنای جستجوی اطلاعات بارزش در حخم وسیع داده ها میباشد. با افزایش دسترسی به پایگاه های داده ای با ساختارهای مشخص، نیاز به تکنیک های استخراج داده که برای این ساختارها طراحی شده اند نیز بیشتر میشود. به جهت کیفیت بهتر نرم افزار، مهندسان نرم افزار الگوریتم های بسیاری را برای وظایف مهندسی نرم افزارهای مختلف بکار میبرند. دستیابی سریع تر و بهتر به پایگاه داده ها، تحلیل و درک نتایج و همچنین ذخیره سازی داده ها که از حیطۀ توانایی افراد خارج است، دانشمندان و محققان را ترغیب نموده است تا در کشف و ابداع فیلدهای خاش اکتساب دانش در پایگاه های داده ای حرکتی صعودی و روزافزون داشته باشند. حجم اطلاعاتی بالا و عدم توانایی برای درک و فهم فرآیندهایی که سبب ایجاد آنها شده اند باعث استفاده از تکنیک های استخراج داده ای میشود که به این طریق میتوان الگوهای ساختاری گوناگون با مطالب مفید را از پایگاه داده ای استخراج نمود. پایگاه های داده ای بسیار بزرگ هستند و استخراج داده از آنها برای مجموعه های بزرگ بسیار مهم و در عین حال جالب توجه میباشد.
دسته: کامپیوتر
حجم فایل: 550 کیلوبایت
تعداد صفحه: 26
مشخصات مربوط به شکل گیری و کارایی سیستم های موازی در مقیاس بزرگ
خلاصه
چندین متریک و اندازه استاندارد وجود دارد که مشخص کننده کارایی و شکل گیری مربوط به سیستم موازی مانند زمان اجرا شدن موازی، تسریع و کارایی می باشد. تعدادی از مشخصات مربوط به این استانداردهای متریک مورد مطالعه قرار گرفته بود. برای مثال این یک حقیقت شناخته شده می باشد که یک معماری موازی مشخص و یک مساله مربوط به اندازه ثابت شده مورد بحث قرار گرفته است و تسریع مربوط به الگوریتم موازی برای افزایش یافتن با تعداد فزاینده ای از پردازش کننده ها ادامه نیافته است. این معمولا تمایل به اشباع شدن یا حداکثر شدن در یک محدوده معین دارد. بنابراین این برای به کار بردن بیش از یک تعداد بهینه ای از پردازش کننده ها برای حل کردن یک مساله براساس یک کامپیوتر موازی ممکن نیست که مفید باشد. این تعداد بهینه از پردازش کننده ها بستگی به اندازه مساله، الگوریتم موازی و معماری موازی دارد. در این مقاله ما اثر مربوط به بالاسری های پردازش کننده موازی و درجه مربوط به همزمانی الگوریتم موازی را براساس تعداد بهینه ای از پردازش کننده هامورد مطالعه قرار داده ایم که این موارد به صورت ملاکی برای بهینه بودن مورد استفاده قرار می گیرد که زمان اجرا شدن موازی را به حداقل می رساند. ما سپس ملاک بسیار کلی تری از بهینه شدن را مورد مطالعه قرار می دهیم و چگونگی اجرا شدن را در نقطه بهینه نشان می دهیم که معادل با اجرایی شدن در یک مقدار منحصر به فردی از کارایی است که مشخص کننده ملاکی از بهینه شدن و مشخصات مربوط به سیستم موازی تحت مطالعه است. ما نتایج فنی به دست آمده در این مقاله را در دیدگاهی با نتایجی مشابه مورد بررسی قرار داده ایم که در مقاله قبل از این نشان داده شده است و علاوه بر این نتایج کلی شده و نتایج اولیه نیز به صورت گسترده در این مقاله نشان داده شده است.