پاورپوینت داده کاوی مفاهیم و روش ها و کاربردها و آینده (pptx) 60 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 60 اسلاید
قسمتی از متن PowerPoint (.pptx) :
داده کاوی: مفاهيم، روشها، کاربردها، آينده
به نام خدا
دانشگاه صنعتی اميرکبير
دانشکده مهندسی کامپيوتر و فن آوری اطلاعات
رشته مهندسی کامپيوتر، گرايش هوش مصنوعی
2
فهرست مطالب
مقدمه
معرفی داده‌کاوی و دلايل پيدايش آن
جايگاه داده‌کاوی در علوم کامپيوتر
مراحل و اجزای يک فرآيند داده‌کاوی
کاربردهای داده‌کاوی
کاربردهای تجاری
کاربردهای علمی
کاربردهای امنيتی
تکنيکهای داده‌کاوی
دسته بندی
قوانين تداعی
خوشه بندی
آينده داده‌کاوی: کاربردهای جديد، چالشها و دستاوردها
تشخيص ناهمگونی
داده‌کاوی توزيع شده
داده کاوی و حريم خصوصی
3
داده کاوی و دلايل پيدايش آن
توسعه تکنولوژيهای ذخيره و بازيابی اطلاعات
افزايش روزافزون حجم اطلاعات ذخيره شده
تنوع بسيار زياد در اطلاعات موجود
بانکهای اطلاعاتی
فايلهای چندرسانه ای (تصاوير متحرک، فايلهای صوتی)
اطلاعات متنی و فاقد ساختار
آرشيوهای اطلاعاتی، به دليل حجم بسيار زياد، غالبا به مقبره های اطلاعات تبديل می شوند.
عليرغم هزينه های سنگين در بخش تکنولوژی اطلاعات، بسياری از تصميمها همچنان در فقر اطلاعاتی اتخاذ می گردند.
از قابليتهای بالقوه اطلاعات ذخيره شده استفاده نمی شود.
نياز به تبديل اطلاعات به دانش در بسياری زمينه ها آشکار گرديده است.
وقايعی نظير 11 سپتامبر، لزوم خودکار يا حداقل نيمه خودکار بودن فرآيند تبديل اطلاعات به دانش را به خوبی نشان می دهند.
داده کاوی به دهه 80 برمی گردد.
داده کاوی با تلاش برای اعمال تکنيکهای هوش مصنوعی بر روی بانکهای اطلاعاتی آغاز گرديد.
4
پردازش اطلاعات: از فايلهای متنی تا داده کاوی
حرکت از روشهای ابتدائی پردازش اطلاعات به داده کاوی، همواره برحسب نياز حوزه های مختلف بوده است.
سير کلی تکنولوژی پردازش اطلاعات را می توان به صورت زير خلاصه کرد:
فايلها: اطلاعات ناهمگون، فاقد ساختار مشخص، اشتباهات متعدد، پردازش در حد تهيه فهرست
بانکهای اطلاعاتی خاص: اطلاعات ناهمگون، اشتباهات نسبتا کمتر، گزارشات آماری ساده
بانکهای اطلاعاتی رابطه ای: اطلاعات همگون، ارتباطات مشخص، اشتباهات کمتر، گزارشات آماری پيچيده و مقايسه ای و شامل ارتباطات عناصر مختلف
بانکهای اطلاعاتی تحليلی: ويژه تحليل اطلاعات، ارائه يک مدل چندوجهی و امکان ساخت و مشاهده سريع گزارشات خاص، توانائی محدود در ذخيره سازی و پردازش انواع اطلاعات (معمولا فقط اطلاعات عددی)
داده کاوی: امکان پردازش انواع اطلاعات، قابليت کشف دانش از اطلاعات موجود
5
يک تعريف تئوريک از داده کاوی
داده کاوی عبارت است از فرآيند (نيمه)خودکار استخراج دانش (در قالب الگوهای پنهان) از مجموعه اطلاعات ورودی.
معمولا آگاهی اندکی در مورد دانش هدف وجود دارد.
ورودی عمدتا بسيار حجيم و پردازش دستی آن ناممکن است.
نتايج حاصل از داده کاوی، با روشهای سنتی پردازش اطلاعات (گزارش گيری) قابل دستيابی نيست.
خودکار يا نيمه خودکار بودن داده کاوی به معنای حداقل نياز به دخالت کاربر است.
انواع اطلاعات (و نه صرفا اطلاعات عددی) قابل پردازش می باشند.
6
جايگاه داده کاوی
داده کاوی را می توان يک شاخه از يادگيری ماشين دانست.
به دليل عدم وجود يک چارچوب تئوريک برای داده کاوی، در نظر گرفتن آن به عنوان زير مجموعه ای از يادگيری ماشين می تواند مورد بحث قرار گيرد.
تلاشهای اندکی برای توسعه يک چارچوب تئوريک برای داده کاوی انجام گرفته است.
اين ميزان تلاش کافی نبوده و به نتيجه قابل قبولی نرسيده است.
تفسير داده کاوی به عنوان زير مجموعه ای از آمار، چندان قانع کننده نيست: مسائل با فضای حالت دارای ابعاد زياد مهمترين وجه اين تمايزند.
تفسير داده کاوی به عنوان فرآيندی جهت تخمين تابع توزيع احتمال توأم نمونه ها: تکراری بودن داده کاوی چنين طبقه بندی را رد می کند.
نظريه داده کاوی معادل فشرده سازی، داده کاوی را فرآيندی برای فشرده سازی اطلاعات ورودی، از طريق پيدا کردن يک ساختار مناسب برای آن در نظر می گيرد.
7
چند واقعيت
تعريف موجود، سبب ايجاد انتظاراتی غيرواقعی از داده کاوی می شود.
تا کنون، هيچ سيستم/فرآيند داده کاوی کاملا خودکاری که منطبق بر شرايط واقعی باشد، ساخته نشده است.
دخالت مستقيم کاربر، به خصوص در مراحل اوليه يک فرآيند داده کاوی، اجتناب ناپذير است.
داده کاوی به يک هيولای پرقدرت شبيه است: رها کردن بدون هدف آن در سرزمين اطلاعات، مطمئنا نتايج خوبی در پی نخواهد داشت.
تمام قدمهای يک فرآيند داده کاوی توسط انسان تعريف می شود.
چند مرحله کلی در هر فرآيند داده کاوی وجود دارد.
8
مراحل يک فرآيند داده کاوی
هريک از مراحل، با مشکلات خاص خود مواجه است.
پيرايش و تجميع اطلاعات، معمولا حجم عمده کار را به خود اختصاص می دهند.
بازنمائی دانش، به خصوص در مورد داده کاوی، در موارد متعددی هيچ راه حل قابل قبولی ندارد.
انتخاب
اطلاعات هدف
پيرايش
اطلاعات
تجميع
اطلاعات
استخراج
دانش
بازنمائی دانش
استخراج شده
تفسير نتايج
9
پايه های يک فرآيند داده کاوی
5 پايه اصلی
مجموعه نمونه های آموزشی: بايد انتخاب، جمع آوری و پيرايش شوند.
نوع دانش: نوع دانش مورد انتظار، تکنيک داده کاوی مورد استفاده را مشخص خواهد کرد.
دانش پايه: انتقال دانش موجود در مورد مسئله به فرآيند داده کاوی، غالبا به صورت سلسله مراتبی از مفاهيم
معيارهای ارزيابی: ملاکهای ارزش دانش حاصل از داده کاوی، چه در زمان استخراج دانش و چه در زمان بازنمائی از اهميت کليدی برخوردار بوده و راهنمای فرآيند داده کاوی خواهند بود.
نحوه ارائه: معمولا بر حسب نوع دانش استخراج شده تعيين می شود. در موارد متعددی نيز روش مناسبی برای بازنمائی وجود ندارد.