داده کاوی ، داده کاوی ، داده کاوی .... این روزها خیلی این کلمه را می شنوید.
احتمالا می دانید که جهان امروزی پر از داده است. همه نوع داده ؛ از داده های مربوط به یک فروشگاه کوچک گرفته تا داده های مربوط به فضا پیما های ناسا. قدیم ها ( حدودا 200 سال پیش و قبل از آن ) گستره و حجم داده ها به اندازه ی امروز نبود. آن زمان ها انسان ها قادر بودند داده ها را به صورت دستی تحلیل کنند( هر چند به سختی ). اما ، امروزه تحلیل داده های مربوط به یک سال اخیر یک فروشگاه کوچک هم از عهده ی انسان بر نمی آید. چرا ؟! به دلیل اینکه داده ها بسیار زیاد هستند.
پس راه حل چیست ؟!
استفاده از کامپیوتر . راه حل این است که قواعد تحلیل را به کامپیوتر یاد بدهیم. آن وقت کامپیوتر قادر به انجام این کار طاقت فرسا است.
این قواعد تحلیل داده کاوی نام دارند. یعنی کاوش در داده ها برای پیدا کردن چیز های جالب. حالا جالب برای هر فرد یک معنی دارد. بسته به اینکه داده ی شما از چه نوعی است و اینکه اصولا شما به دنبال چه اطلاعاتی هستید معنی کلمه جالب متفاوت است.
مثلابرای فردی که فروشگاه دارد ممکن است جواب سوال های زیر جالب باشند :
- در فصل زمستان چه اجناسی بیشتر به فروش می رسند ؟
- روش چیدمان طبقه های فروشگاه من به چه شکلی باشند تا بیشترین فروش را داشته باشم ؟
- پیشبینی حقوق من در 3 ماه آینده به چه صورت است ؟
در 200 سال اخیر داده کاوی پیشرفت چشمگیری داشته است. البته مدت زیادی نیست که به عنوان علمی مستقل شناخته شده است. داده کاوی در ابتدا شاخه ای از علم آمار و احتمال بوده است.
بسیاری از روش های داده کاوی از آمار و احتمال گرفته شده اند ، اما روش جدیدی مثل شبکه های عصبی مستقل از آمار است.
برای آشنایی بیشتر با داده کاوی مطالعه ی کتاب های زیر را پیشنهاد می کنم :
-
دریافت فایل
عنوان: معرفی بسیار مبتدی داده کاوی
-
دریافت فایل
عنوان: Data Mining , Concepts , Models and techniques Florin Gorunescu آموزش تؤری داده کاوی
-
دریافت فایل
عنوان: تکنیک های داده کاوی
دریافت فایل