فرمت فایل : power point (لینک دانلود پایین صفحه) تعداد اسلاید : 60 اسلاید فهرست : nمقدمه nمعرفی داده‌کاوی و دلایل پیدایش آن nجایگاه داده‌کاوی در علوم کامپیوتر nمراحل و اجزای یک فرآیند داده‌کاوی nکاربردهای داده‌کاوی nکاربردهای تجاری nکاربردهای علمی nکاربردهای امنیتی nتکنیکهای داده‌کاوی nدسته بندی nقوانین تداعی nخوشه بندی nآینده داده‌کاوی: کاربردهای جدید، چالشها و دستاوردها nتشخیص ناهمگونی nداده‌کاوی توزیع ...
این فایل حاوی مطالعه مروری بر تکنیک ها و فرایندهای داده کاوی می باشد که به صورت فرمت PowerPoint در 41 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
بخشی از تکنیک های داده کاوی
انبار های داده
فرایند داده کاوی با استفاده از متدولوژی کریسپ
تصویر محیط برنامه
عنوان مقاله : داده کاوی با اتوماتای یادگیر
قالب بندی: پاورپوینت
تعداد صفحات :53
شرح مختصر : داده کاوی به استخراج دانش از داده ها اشاره دارد و هسته اصلی آن در فصل مشترک یادگیری ماشین، آمار و پایگاه داده است.یک اتوماتای یادگیر را می‌توان بصورت یک شئ مجرد که دارای تعداد متناهی عمل است، در نظر گرفت. اتوماتای یادگیر با انتخاب یک عمل از مجموعه عمل های خود و اِعمال آن بر محیط، عمل میکند. عمل مذکور توسط یک محیط تصادفی ارزیابی می‌شود و اتوماتا از پاسخ محیط برای انتخاب عمل بعدی خود استفاده میکند. در این مقاله یک کاوش کننده بر پایه اتوماتای یادگیر پیشنهاد شده است که LA-miner نام گذاری شده است.
فهرست :
چکیده مقاله
داده کاوی
اتوماتای یادگیر
داده کاوی با استفاده از اتوماتای یادگیر
نتایج آزمایشات
منابع و ماٌخذ
مقاله انگلیسی Data-Mining-with-Big-Data مربوط به سال 2014 بوده و به تعداد 11 صفحه می باشد که به تعداد 28 صفحه ترجمه شده است به همراه فایل پاورپوینت فارسی می باشد در زیر چکیده این مقاله به همراه ترجمه آن آورده شده است .
Abstract
—Big Data concern large-volume, complex, growing data sets with multiple, autonomous sources. With the fast development
of networking, data storage, and the data collection capacity, Big Data are now rapidly expanding in all science and engineering
domains, including physical, biological and biomedical sciences. This paper presents a HACE theorem that characterizes the features
of the Big Data revolution, and proposes a Big Data processing model, from the data mining perspective. This data-driven model
involves demand-driven aggregation of information sources, mining and analysis, user interest modeling, and security and privacy
considerations. We analyze the challenging issues in the data-driven model and also in the Big Data revolution.
چکیده
داده های بزرگ به مسایلی همچون گنجایش های پیچیده و بزرگ - مجموعه داده های رو به رشد با منابع متعدد مسقل مربوط می شود . با توسعه بسیار سریع شبکه ها- ذخیره سازی داده و ظرفیت مجموعه داده ها -دادهه های حجیم به سرعت در تمام زمینه های علوم و مهندسی شامل فیزیک و بیولوژیک و زیست پزشکی در حال گسترش است .از این رو این مقاله قاعده HACE ویژگی های انقلاب داده های بزرگ را توصیف و نمونه ای از مدل پردازش داده های بزرگ از نقطه نظر دادی کاوی را ارایه میکند. این مدل داده محور شامل تراک درخواست محوری منابع اطلاعات - کاوش و تحلیل - مدل سازی بهره وری کاربر و ملاحظات امنیتی و حریم اختصاصی می شود. ما مباحث چالش برانگیز در متد های داده محور و هم چنین انقلاب داده های بزرگ را تشریح و مورد بررسی قرار میدهیم .
تعداد اسلایدها : 32 اسلاید