داده کاوی، کاربردها، نیازمندی ها، فرایند و ابزارها

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ARPR-4-3_006

تاریخ نمایه سازی: 19 دی 1402

چکیده مقاله:

ظهور علم داده کاوی باعث شده است که داده ها به یکی از سرمایه های بسیار ارزشمند سازمان ها تبدیل شوند و استفاده درست از این برگ برنده، سیستم های نرم افزاری بتوانند نتایج را به نحو متفاوت و موثری رقم بزنند. به فرایند استخراج و کشف الگوها و همبستگی ها از میان حجم زیادی از داده های خام از یک یا چند بانک اطلاعاتی، داده کاوی می گویند. داده کاوی بخش مهم و اساسی در تجزیه و تحلیل اطلاعات توزیعی سازمان های امروزی است. داده های بدست آمده از داده کاوی را می توان در هوش تجاری و تجزیه و تحلیل پیشرفته استفاده کرد . افزایش ظرفیت، یافتن الگوها، روندها و همبستگی های پنهان در مجموعه داده ها، یکی از اصلی ترین مزیت های ابزارهای داده کاوی است. با توجه به تکامل فناوری ذخیره سازی داده ها و رشد کلان داده ها، استفاده از تکنیک های داده کاوی طی دو دهه اخیر به طور چشم گیری افزایش یافته است. بهره گیری از ابزارهای برتر داده کاوی با مشخص کردن روابط و الگوهای پنهان در داده ها به کسب و کارها در تصمیم گیری و اجرای کارآمدتر فرایندهای دانش محور کمک می کنند. علی رغم این که این فناوری برای رسیدگی به داده ها در مقیاس بزرگ به طور مداوم تکامل می یابد، رهبران هنوز در مورد مقیاس پذیری و اتوماسیون با چالش هایی روبرو هستند. بنا به اهمیت موضوع در این مقاله قصد داریم به بررسی کاربردهای داده کاوی، نیازمندی ها، فرایند و ابزارهای مهم این حوزه بپردازیم. در پایان نیز درخصوص دورنمای تکنولوژیکی داده کاوی بررسی می نمائیم.

کلیدواژه ها:

داده کاوی ، تحلیل و مدل سازی ، پایگاه توزیع

نویسندگان

پیام محمدی

گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، آذربایجان غربی، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Gupta MK, Chandra P. A comprehensive survey of data mining. ...
  • Oweis NE, Owais SS, George W, Suliman MG, Snášel V. ...
  • Roy U, Zhu B, Li Y, Zhang H, Yaman O. ...
  • Mughal MJ. Data mining: Web data mining techniques, tools and ...
  • Padhy N, Mishra DP, Panigrahi R. The survey of data ...
  • Mariscal G, Marban O, Fernandez C. A survey of data ...
  • Bartschat A, Reischl M, Mikut R. Data mining tools. Wiley ...
  • Vikram K, Siddipet MD, Upadhayaya N. Data mining tools and ...
  • Goebel M, Gruenwald L. A survey of data mining and ...
  • Prakash BA, Ashoka DV, Aradhya VM. Application of data mining ...
  • Halkidi M, Spinellis D, Tsatsaronis G, Vazirgiannis M. Data mining ...
  • Rohanizadeh SS, BAMENI MM. A proposed data mining methodology and ...
  • Gonzalez R, Kamrani A. A survey of methodologies and techniques ...
  • Jackson J. Data mining; a conceptual overview. Communications of the ...
  • Madni HA, Anwar Z, Shah MA. Data mining techniques and ...
  • PhridviRaj MS, GuruRao CV. Data mining–past, present and future–a typical ...
  • Turner CJ, Tiwari A, Olaiya R, Xu Y. Process mining: ...
  • Santos-Pereira J, Gruenwald L, Bernardino J. Top data mining tools ...
  • Al-Odan HA, Al-Daraiseh AA. Open source data mining tools. In۲۰۱۵ ...
  • Malkawi R, Saifan AA, Alhendawi N, BaniIsmaeel A. Data mining ...
  • Kadaru BB, UmaMaheswararao M. An overview of general data mining ...
  • Mikut R, Reischl M. Data mining tools. Wiley interdisciplinary reviews: ...
  • Wendler T, Gröttrup S. Data mining with SPSS modeler: theory, ...
  • نمایش کامل مراجع