فروش کتاب داده کاوی

  • بیوگرافی و معرفی دکتر استفان کاوی

    دکتر استفان. آر. کاوی ، مؤسس کانون رهبری کاوی  - سازمانی بین المللی که متشکل از بیش از هفتصد عضو یا مشاور رهبری است - تقریباً برای همۀ مدیران و رهبران جهان شخصیتی آشناست. او نویسندۀ هشت کتاب پر فروش از جمله "هفت عادت مردمان موثر" است. دکتر کاوی مشاور دائمی بیش از پانصد سازمان رسمی از جمله سازمان های صنایع و اتاق های بازرگانی و دانشگاه ها و تأسیسات دولتی و هزاران شرکت تجاری و مؤسسات آموزشی در سطح جهان - از جمله مسؤول آموزش رهبری به مدیران شرکت های آی.بی.ام - و مشاور قریب به اتفاق همۀ مدیران فروشگاه ها و هتل های زنجیره ای بزرگ و شرکت های نفتی است. روش آموزش او "رهبری مبتنی بر اصول" و هدفش این است که به افراد و سازمانها این توانائی را ببخشد که خودشان به خود بیاموزند. از این رو همواره به این گفتۀ لائوتسه اشاره می کند که : اگر به انسانی یک ماهی بدهید خوراک یک روز او را داده اید اگر به او ماهیگری بیاموزید خوراک همۀ عمرش را داده اید. دکتر کاوی و همسرش صاحب نه فرزند، و مقیم یوتا در ایالات متحده آمریکا هستند. سازمان رهبری او به طور مداوم در هفتاد و پنج شهر آمریکا و در چهل کشور جهان سمینارهائی را برگزار می کنند. دکتر کاوی تحصیل کرده رشتۀ مدیریت بازرگانی از دانشگاه هاروارد است و در دانشگاه یانگ (Young University) رهبری و مدیریت تدریس می کند. منبع : هفت عادت مردمان مؤثر- ترجمۀ گیتی خوشدل



  • داده کاوی

    داده­کاوی چیست؟                                   داده­کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده­ها به منظور کشف الگوها و قوانین پنهان و معنی­دار درون داده­ها اطلاق می­شود. اگرچه  به جهت ایجاد درکی آسان­تر، مثال­ها و نمونه­های عملی ذکر شده در این متن از مقولۀ بازاریابی و مدیریت ارتباط با مشتریان انتخاب شده است و فرض حاضر این است که هدف داده­کاوی، قادر ساختن یک شرکت به بهبود بازاریابی، فروش و عملکردهای پشتیبانی از مشتریان از طریق درک بهتر مشتریانش می­باشد؛ ولی پرواضح است که ابزارها و تکنیک­های داده­کاوی بیان شده در این متن، در همۀ زمینه های دیگر نیز بصورت یکسان و توانمند عمل می­کنند و کافی است شما آن را به موضوعات حوزه کاری و تخصصی خود مرتبط سازید. بر اساس اعلام دانشگاه MIT[1]امروزه مرز و محدودیتی برای دانش داده­کاوی متصور نبوده و مرز آن را از اعماق اقیانوس­ها تا بیکران فضا می­دانند. بعبارت دیگر کاربرد دانش داده­کاوی در تمامی حوزه­های برخوردار از داده بوده و تنها محدودیت دانش داده­کاوی نبود داده است. در حقیقت هیچ کدام از الگوریتم­های داده­کاوی، در ابتدا با کاربردهای تجاری در ذهن به وجود نیامدند. داده­کاوهای تجاری از یک سری تکنیک­های وام گرفته شده از آمار و علوم کامپیوتر[2] استفاده می­کنند. انتخاب مجموعه­ای از تکنیک­ها برای به کارگیری در موقعیت خاص بستگی به سه عامل "ماهیت عمل داده­کاوی"، "ماهیت داده­های موجود" و "مهارت­ها و ترجیحات داده­کاوان" دارد. داده­کاوی در دو نوع هدایت شده[3] و غیرهدایت شده[4] ظاهر می­شود. داده­کاوی هدایت شده، دارای متغیر هدفی خاص و از پیش تعیین شده است که به دنبال الگویی خاص می­گردد در حالیکه هدف داده­کاوی غیر هدایت شده، یافتن الگوها یا تشابهات بین گروه­هایی از اطلاعات، بدون داشتن متغیر هدفی خاص و یا مجموعه­ای از دسته­ها و الگوهای از پیش تعیین شده می­باشد. هر دو نوع داده­کاوی در فصول بعدی تشریح خواهد شد. داده­کاوی عمدتاً با ساختن مدل­ها مرتبط است. یک مدل اساساً به الگوریتم یا مجموعه­ای از قوانینی گفته می­شود که مجموعه­ای از ورودی­ها را(معمولاً به شکل زمینه­هایی در پایگاه داده­های سازمان) با هدف یا مقصد خاصی مرتبط می­نماید. تکنیک­های داده­کاوی برای مدل­سازی هستند. یک مدل تحت شرایط درست می­تواند منجر به بینش درست شود. به طور مثال از مدل­ها برای ایجاد امتیازها استفاده می­شود. امتیاز، نوعی بیان یافته­های یک مدل به صورت عددی است. از امتیازها می­توان برای تهیۀ فهرستی از مشتریان از محتمل­ترین تا کم احتمال­ترین فرد در پاسخ به تبلیغات یک محصول جدید و یا ...

  • دانلود کتاب آموزش داده کاوی در پایگاه داده های بزرگ

    دانلود کتاب آموزش داده کاوی در پایگاه داده های بزرگ

    داده کاوی، پایگاه‌ها و مجموعه‌های حجیم داده‌ها را در پی کشف واستخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید. مشخصات نام نویسنده: رضا خسروی فرمت کتاب: PDF تعداد صفحات: 103 حجم فایل: 1.94 مگابایت رمز فایل www.p30download.com دانلود - 1.94 مگابایت

  • کتاب TAN و مباحثی در خصوص داده کاوی

    ماشین بردار پشتیبان (SVM) معرفی نرم افزار WEKAشبکه های عصبی مصنوعی------------------------------------فایل Adventure Works DW فایل پی دی اف مربوط به مفاهیم SSAS فایل پی دی اف مربوط به مفاهیم SSAS-------------------------------------------کتاب مقدمه ای بر داده کاوی تالیف آقای TAN را می توانید در سه بخش از لینک های زیر دانلود نمایید. این کتاب به عنوان مرجع بسیاری از کتب داده کاوی می باشد. بخش اول کتاب بخش دوم کتاب بخش سوم کتاب

  • داده کاوی در تجارت الکترونیک : فواید ، چالش ها و راهکارها

    تجارت الکترونیک به سرعت در حال توسعه و گسترش است و در این راستا  سازمان ها بهدنبال توسعه و بهبود تجربیات برخط(آنلاین) خود می باشند. ابزارهای داده کاوی جهت کشفالگوهای جدید در داده ها به کار گرفته میشوند . هر سازمانی که به نحوی تجارت الکترونیکانجام می دهد می تواند از الگوها و اطلاعاتی که داده کاوی در اختیارش قرار می دهد بهرهگیرد .  این اطلاعات می تواند شامل نکاتی برای بهبود web site ، رویکردهای شخصی سازی ، حفظ مشتری و سود دهی باشد . داده کاوی با نرخی صعودی به جزئی لاینفک از شرکت ها و سازمان های دولتی تبدیل شده و می شود . تعداد و تنوع برنامه های داده کاوی چندین سالاست که با نرخ صعودی در حال افزایش است و پیش بینی می شود در چند سال آتی شاهداین رشد باشیم . ‌ بانک ها ، شرکت های بیمه ، مراکز فروش و شرکت های مخابراتی خیلی سریع تکنیک های داده کاوی را در سازمان های خود وارد کرده و از آنها بهره جستند .  در حال حاضر شاهد رشد روز افزون حرکت شرکت های دارویی ، بیمارستان ها و مراکز درمانی و هر گونه e-Business در بکارگیری این تکنیک ها می باشیم . تجارت الکترونیک یک حوزه اساسی برای داده کاوی می باشد. با توجه به فاکتورهای تضمین موفقیت (Critical Success Factors) مربوط به پیاده سازی داده کاوی موفق ، تجارت الکترونیک یک بستر ایدآل را فراهم می کند زیرا تمام جزئیات مورد نیاز به سادگی در دسترس می باشند: رکوردهای داده به وفور ، مشخصه های زیاد در هر مورد ، ضریب اطمینان بالا در داده ها به علت جمع آوری داده ها بصورت خودکار و الکترونیکی ، قابل عملیاتی شدن بینش ها به راحتی (Actionable domain) و قابلیت محاسبه بازگشت سرمایه به سادگی . در حقیقت وب یک آزمایشگاه عملی است . آزمایشگاهی که سازمان قادر است در آن هر فرضیه و تصوری را به راحتی به جدل بکشد . بیان این نکته نیز لازم می باشد که عملیاتی کردن داده کاوی در تجارت الکترونیک چالش هایی را نیز به همراه خواهد داشت که برای مثال میتوان به نکات زیر در مورد داده های موجود در  log های سرور وب پرداخت : در اینگونه داده ها اطلاعات کاربرها و یا session ها وجود ندارد و هر گونه پیش فرض در این زمینه می تواند خود تولید خطا کند . web server log ها به تنهایی شامل اطلاعات خاصی نمی باشند . در ضمن داده های بیان شده شامل اتفاقات حساس مانند “add to cart” یا “delete item” نیستند . همچنین URL موجود در این log ها فاقد اطلاعات معناگرا ست . علاوه بر این ، اطلاعات به صورت پویا در website ها نیز ایجاد می شوند که فقط با بررسی داده های log شده در وب سرور ها به آنها دسترسی نخواهیم داشت .  مسائل بیان شده اگرچه چالشهایی در بکارگیری مستقیم داده کاوی سر راه قرار می دهد ، اما با در نظر گیری ...

  • پروژه مدیریت فروشگاهی #C

    پروژه مدیریت فروشگاهی #C

    پروژه دانشجویی نرم افزار مدیریت فروشگاهی سی شارپ امکانات پروژه: دیتابیس اکسس معرفی کالا، معرفی واحدها ، معرفی اشخاص ،فاکتور خرید ،فاکتور فروش ،دریافت ،پرداخت ، اقساط ،گزارشات و غیره گالری تصاویر از این پروژه:قیمت :70000 تومان بانک انصار شماره کارت :6273811016135656 تماس :09128810029

  • داده کاوی

    Data Mining Process- Data preparation techniques- Data reduction methods - Data cleaning and preparation- Feature selection and transformation- Sampling and rebalancing- Missing value imputation- Model selection/assessment and comparison- Model comparison- Model interpretation-...Data Mining Applications - Engineering - System and Manufacturing- Industry and government- System planning and management- Urban planning and management- Logistics/Traffic management- Science and technology - Education- Business/Industrial - Marketing - Finance and financial services- Insurance- Social science- Military/Security - Bioinformatics/Medicine - Biological sciences - Risk analysis- Emergency planning services- Health, safety and environment (HSE)- ... Data Mining Tasks- Classification/partitioning- Clustering - Association - Segmentation- Regression- Advanced prediction modeling- Temporal data mining - Spatial data mining- Time series forecasting - Deviation and outlier detection - Explorative and visual data mining - Web mining - Text Mining- Mining semi-structured data- Content mining and pattern mining - Multimedia mining (audio/video)- Explorative and visual data mining - ...Data Mining Algorithms - Clustering algorithms- Genetic algorithms and categorization techniques- Fuzzy logic and rough sets - Artificial neural networks - Decision trees/rule learners - Statistical methods- Case based reasoning - Link and sequence analysis- ...Data Mining Integration - Mining large scale data- Multidimensional data - Distributed and grid based data mining - Data visualization- Knowledge Discovery in Databases (KDD)- Data and knowledge representation- Data warehousing - OLAP integration- ...10 الگوریتم برتر داده کاوی

  • جزوه فارسی داده کاوی

    امیدوارم بدردتون بخورهدانلودبا تشکر از آقای مهندس طاهری

  • داده کاوی Datamining

    داده کاوی Datamining

    گردآورنده : ریحانه حاجی مصیبی مریم حسین زاده    داده کاوی((data mining: vاصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است. vهر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد. vدر داده کاوی به کشف الگوهای مفید از میان داده ها اشاره میشود. منظور از الگوی مفيد ، مدلي در داده ها است که ارتباط ميان يک زير مجموعه از داده ها را توصيف مي کند و معتبر، ساده ، قابل فهم و جديد است . vداده کاوي عبارت است از فرايند استخراج اطلاعات معتبر ، از پيش ناشناخته ، قابل فهم و قابل اعتماد از پايگاه داده هاي بزرگ و استفاده از آن در تصمیم گیری در فعالیتهای تجاری مهم. vداده کاوی شامل 5مرحله میباشد:                                                                                                                                                   1.تشکیل انبار داده                                                                                             2.انتخاب داده ها 3.تبدیل داده ها 4.کاوش در داده ها 5.تفسیر نتیجه vدر داده کاوی از الگوریتم های ژنتیک و شبکه های عصبی هم استفاده می شود.شبکه های عصبی به علت کار آمدی در حل مسائل پیچیده و بزرگ مورد استفاده اند و کاربرد الگوریتم های ژنتیک در داده کاوی برای جستجو و ساختن یک مدل بهینه در میان مدل های بدست آمده است. vنرم افزارهای تخصصی داه کاوی عبارتند از: . Intelligent Miner , Darwin , Mine Set, Knowledge Studio, Data Mind vدو مشکل اصلی که اکثر سیستمهای داده کاوی با آن مواجه اند عبارتند از:            1.حجم بالای داده های آموزشی      2.وجود عدم قطعیت در اطلاعات vداده کاوی شباهت زیادی به تحلیل های آماری دارد. ولی داده کاوی از جهات زیادی با آمار متفاوت است و مزیت های زیادی نسبت به آمار دارد. جالب ترین تفاوت داده کاوی با تحلیل های آماری این است که در آمارما فرضیه ای طرح می کنیم و با استفاده از تحلیل های آماری به اثبات یا رد فرضیه می پردازیم اما داده کاوی به فرضیه احتیاجی ندارد.در واقع  ابزار داده کاوی فرض می کند که شما خود هم نمی دانید به دنبال چه می گردیدو این نکته ای  است که باعث می شود کار آمدی داده کاوی در مواقع بروز مشکل نمایان شود.تفاوت بعدی آمار و داده کاوی در این است که آمار فقط می تواند از داده های عددی استفاده کند ولی داده کاوی از داده های غیرعددی هم استفاده می کند. vبرخي از ...

  • داده کاوی (Data Mining) چیست ؟

    مديريت ذخيره سازی و دستيابی اطلاعاتداده هایاطلاعاتی(Data) به عنوان يکی از منابع حياتی سازمان شناخته می شود و بسياریاز سازمان ها با اطلاعات و دانش سازمانی خود مانند ساير دارايی های ارزشمندشانبرخورد می کنند.  نکته: داده اطلاعاتی (Data) به اطلاعات خامسازمان اتلاق می‌شود و اطلاعات (Information) به داده‌های پردازش شده. همچنين داده های پردازش شده پس از طبقه بندی و آناليز به دانش سازمان (Knowledge) تبديل می گردند. حال تصور نماييد، دسترسی به اطلاعات (Information) در شرايطی کهداده‌ها به روش نامناسبی نگهداری شوند و يا روش ضابطه مندی جهت دستيابی به آنهاوجود نداشته باشد تا چه حد مشکل است . برای رسيدن به يک سيستم اطلاعاتی مناسب،داده‌ها می بايست به صورتی منطقی طبقه بندی و ذخيره شوند تا استفاده از آن هاساده‌تر بوده، با کارايی بيشتری تحليل شوند و سريعتر مورد استفاده قرار گيرند و درنتيجه مديريت بهتری بر آن ها اعمال شود. در اين راستا مجموعه خدمات زير در زمينهمديريت بانک های اطلاعاتی توسط اين شرکت ارايه می‌شود : ساختار بانکاطلاعاتی سازمان: داده های سازمان ها در انواع بانک های اطلاعاتی و باساختارهای متنوعی ذخيره می‌گردند . طراحی و سازماندهی اين ساختارها، بکارگيری وانتقال به بانک‌های اطلاعاتی پيشرفته و بهينه سازی آن ها يکی خدماتی است که توسطدرسا رسانه هوشمندارايه می شود .   داده کاوی (Data Mining): کاوش‌های ماشینی در داده‌ها یا داده‌کاوی (Data mining) را باید یکی از سامانه‌های هوشمند (Intelligent systems) دانست. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پر‌کاربرد از یادگیری ماشینی که خود زمینه‌ای‌ست در هوش مصنوعی. زمینه علمی جدید و پهناور یادگیری ماشینی (که "کاوش‌های ماشینی در داده‌ها" بخشی ست بزرگ از زیر شاخه سامانه‌های هوشمند آن ست)، به واقع همان امتداد و استمرار دانش کهن و همه جا گیر آمار است در جهت ماشینی کردن یادگیری، تعلّم، و سرانجام، دانش. داده کاوی به عنوان مهمترين کاربرد Data Warehouse یاانباره های داده شناخته می شود . به وسيله داده کاوی داده های موجود مورد تحليلقرار می گيرند تا روندهای احتمالی، ارتباط‌هاي غير محسوس و الگو های مخفی داده هااز بين انبوه داده ها، شناسايی شوند . در اين فرايند از الگوريتم های پيچيدهرياضی و آماری استفاده می شود تا داده ها تبديل به دانش سازمان شوند. امروزه با حجم عظيمي از داده ها روبرو هستيم. براي استفاده از آنها به ابزارهاي كشف دانش نياز داريم. داده كاوي به عنوان يك توانايي پيشرفته در تحليل داده و كشف دانش مورد استفاده قرار مي گيرد. داده كاوي در علوم (ستاره شناسي،...)‌در تجارت (تبليغات، مديريت ارتباط ...