<![CDATA[انجمن دانشجویان دانشکده آموزشهای الکترونیکی دانشگاه شیراز - کارگروه تخصصی ۶: داده کاوی (Dataminig)]]> https://forums.svus.ir/ Tue, 13 Oct 2026 21:42:01 +0000 MyBB <![CDATA[دو منبع فارسی در زمینه داده کاوی]]> https://forums.svus.ir/Thread-%D8%AF%D9%88-%D9%85%D9%86%D8%A8%D8%B9-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C Thu, 10 Oct 2013 16:39:34 +0000 Armin]]> https://forums.svus.ir/Thread-%D8%AF%D9%88-%D9%85%D9%86%D8%A8%D8%B9-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.
گذاشته بود. پیشنهاد میکنم نگاهی هم به سایت آنها بیندازید. البته در کل به شدت پیشنهاد میکنم حتما از منابع انگلیسی استفاده کنید و از منابع فارسی تنها برای آشنایی مقدماتی با یک موضوع بهره ببرید.

- تشخیص داده‌های پرت - Outlier Detection
- روش‌های انجام پروژه‌های داده‌کاوی

.pdf   OutlierDetection-Persian.pdf (اندازه 904.27 KB / تعداد دانلود: 342) -->
OutlierDetection-Persian.pdf
دفعات دانلود حجم فایل نوع فایل
342 904.27 KB .pdf
.pdf   Datamining Methods - Persian.pdf (اندازه 2.05 MB / تعداد دانلود: 89) -->
Datamining Methods - Persian.pdf
دفعات دانلود حجم فایل نوع فایل
89 2.05 MB .pdf
]]> ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.
گذاشته بود. پیشنهاد میکنم نگاهی هم به سایت آنها بیندازید. البته در کل به شدت پیشنهاد میکنم حتما از منابع انگلیسی استفاده کنید و از منابع فارسی تنها برای آشنایی مقدماتی با یک موضوع بهره ببرید.

- تشخیص داده‌های پرت - Outlier Detection
- روش‌های انجام پروژه‌های داده‌کاوی

.pdf   OutlierDetection-Persian.pdf (اندازه 904.27 KB / تعداد دانلود: 342) -->
OutlierDetection-Persian.pdf
دفعات دانلود حجم فایل نوع فایل
342 904.27 KB .pdf
.pdf   Datamining Methods - Persian.pdf (اندازه 2.05 MB / تعداد دانلود: 89) -->
Datamining Methods - Persian.pdf
دفعات دانلود حجم فایل نوع فایل
89 2.05 MB .pdf
]]> <![CDATA[برترین ژورنال‌ها و کنفرانس‌ها در زمینه DSS و Datamining]]> https://forums.svus.ir/Thread-%D8%A8%D8%B1%D8%AA%D8%B1%DB%8C%D9%86-%DA%98%D9%88%D8%B1%D9%86%D8%A7%D9%84%E2%80%8C%D9%87%D8%A7-%D9%88-%DA%A9%D9%86%D9%81%D8%B1%D8%A7%D9%86%D8%B3%E2%80%8C%D9%87%D8%A7-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-DSS-%D9%88-Datamining Thu, 15 Aug 2013 16:19:01 +0000 Armin]]> https://forums.svus.ir/Thread-%D8%A8%D8%B1%D8%AA%D8%B1%DB%8C%D9%86-%DA%98%D9%88%D8%B1%D9%86%D8%A7%D9%84%E2%80%8C%D9%87%D8%A7-%D9%88-%DA%A9%D9%86%D9%81%D8%B1%D8%A7%D9%86%D8%B3%E2%80%8C%D9%87%D8%A7-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-DSS-%D9%88-Datamining لطفا شما نیز اگر کنفرانس یا ژورنال خوب دیگری می شناسید و یا دیدگاهی پیرامون این منابع دارید در همین پست قرار دهید.
این لیست در وبسایت خودم به این نشانی گذاشته شده است:

دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.


[عکس: dss-datamining-journals.gif]
]]> لطفا شما نیز اگر کنفرانس یا ژورنال خوب دیگری می شناسید و یا دیدگاهی پیرامون این منابع دارید در همین پست قرار دهید.
این لیست در وبسایت خودم به این نشانی گذاشته شده است:

دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.


[عکس: dss-datamining-journals.gif]
]]> <![CDATA[معرفی سایت های کاربردی فارسی و انگلیسی در زمینه داده کاوی]]> https://forums.svus.ir/Thread-%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%D8%B3%D8%A7%DB%8C%D8%AA-%D9%87%D8%A7%DB%8C-%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D9%88-%D8%A7%D9%86%DA%AF%D9%84%DB%8C%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C Mon, 15 Jul 2013 16:31:28 +0000 Armin]]> https://forums.svus.ir/Thread-%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%D8%B3%D8%A7%DB%8C%D8%AA-%D9%87%D8%A7%DB%8C-%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D9%88-%D8%A7%D9%86%DA%AF%D9%84%DB%8C%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B2%D9%85%DB%8C%D9%86%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C
دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.



مقاله های سایت کنفرانس داده کاوی ایران نیز مفید بود:
دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.
]]>
دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.



مقاله های سایت کنفرانس داده کاوی ایران نیز مفید بود:
دیدن لینک ها برای شما امکان پذیر نیست. لطفا ثبت نام کنید یا وارد حساب خود شوید تا بتوانید لینک ها را ببینید.
]]> <![CDATA[آشنایی با داده کاوی (Datamining)]]> https://forums.svus.ir/Thread-%D8%A2%D8%B4%D9%86%D8%A7%DB%8C%DB%8C-%D8%A8%D8%A7-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-Datamining Thu, 05 Jul 2012 08:52:41 +0000 haghgoo.vahid]]> https://forums.svus.ir/Thread-%D8%A2%D8%B4%D9%86%D8%A7%DB%8C%DB%8C-%D8%A8%D8%A7-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-Datamining در شروع کار به منظور آشنایی سایر دوستانی که شاید اطلاعات زیادی از تعریف و مباحث مطرح در زمینه داده کاوی ندارند بهتر است به تعریف مختصر این دانش بپردازیم و با توضیحاتی که سایر دوستان در ادامه خواهند داد آن تعریف را کامل تر بنماییم .
داده کاوی (Dataminig)
بطور كلي، داده كاوي (كه گاهي اوقات اكتشاف اطلاعات يا دانش ناميده ميشود)عبارت از فرآيندي است كه از چشم اندازهاي مختلف به تحليل داده ها مي پردازد و جمعبندي آنها را در قالب اطلاعات مفيدي ارائه ميكند . اين اطلاعات را ميتوان براي افزايش در آمد ، كاهش هزينه ها يا هردوبه كاربرد. نرم افزار داده كاوي يكي از ابزارهاي تحليل اطلاعات است .اين نرم افزار به كاربران امكان مي دهد اطلاعات را از ابعاد و زواياي بسيار متفاوت تحليل و طبقه بندي كنند وروابطي را كه در آن ها شناسائي نموده اند به اجمال بيان نمايند.به لحاظ فني، داده كاوي عبارت از فرآيندي است كه در ميان حوزه هاي گوناگون بانكهاي اطلاعاتي ارتباطي بزرگ، همبستگي ها يا الگوهايي را پيدا مي كند.داده کاوی، مجموعه ای از تکنیکها است که توسط آنها، دانش پنهان درون داده ها کشف می شود.به عبارت دیگر مدلی بر اساس تمامی داده ها به صورت پویا بدست می آید.داده کاوی از مباحث نوین محسوب می شود که ارتباط تنگاتنگی با علم ریاضیات، مهندسی کامپیوتر و مهندسی صنایع به عنوان کاربرد آن دارد. داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد.
داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
  • رابطه (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلا خرید قلم به خرید کاغذ.
  • ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلا تولد یک نوزاد و خرید پوشک.
  • دسته بندی(Classification): شناسایی الگوهای جدید مثلا همزمانی خرید چسب و پوشه
  • خوشه بندی(Clustering): کشف و مستند سازی مجموعه‌ای از حقایق ناشناخته مثلا موقعیت جغرافیایی خرید محصولی با مارک خاص
  • پیش بینی(Forecasting):کشف الگوهایی که بر اساس آنها پیش بینی قابل قبولی از رویدادهای آتی ارایه می‌شود، مثلا رابطه عضویت در یک باشگاه ورزشی با شرکت ذر کلاسهای ورزشی.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
موفق باشید]]> در شروع کار به منظور آشنایی سایر دوستانی که شاید اطلاعات زیادی از تعریف و مباحث مطرح در زمینه داده کاوی ندارند بهتر است به تعریف مختصر این دانش بپردازیم و با توضیحاتی که سایر دوستان در ادامه خواهند داد آن تعریف را کامل تر بنماییم .
داده کاوی (Dataminig)
بطور كلي، داده كاوي (كه گاهي اوقات اكتشاف اطلاعات يا دانش ناميده ميشود)عبارت از فرآيندي است كه از چشم اندازهاي مختلف به تحليل داده ها مي پردازد و جمعبندي آنها را در قالب اطلاعات مفيدي ارائه ميكند . اين اطلاعات را ميتوان براي افزايش در آمد ، كاهش هزينه ها يا هردوبه كاربرد. نرم افزار داده كاوي يكي از ابزارهاي تحليل اطلاعات است .اين نرم افزار به كاربران امكان مي دهد اطلاعات را از ابعاد و زواياي بسيار متفاوت تحليل و طبقه بندي كنند وروابطي را كه در آن ها شناسائي نموده اند به اجمال بيان نمايند.به لحاظ فني، داده كاوي عبارت از فرآيندي است كه در ميان حوزه هاي گوناگون بانكهاي اطلاعاتي ارتباطي بزرگ، همبستگي ها يا الگوهايي را پيدا مي كند.داده کاوی، مجموعه ای از تکنیکها است که توسط آنها، دانش پنهان درون داده ها کشف می شود.به عبارت دیگر مدلی بر اساس تمامی داده ها به صورت پویا بدست می آید.داده کاوی از مباحث نوین محسوب می شود که ارتباط تنگاتنگی با علم ریاضیات، مهندسی کامپیوتر و مهندسی صنایع به عنوان کاربرد آن دارد. داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد.
داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
  • رابطه (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلا خرید قلم به خرید کاغذ.
  • ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلا تولد یک نوزاد و خرید پوشک.
  • دسته بندی(Classification): شناسایی الگوهای جدید مثلا همزمانی خرید چسب و پوشه
  • خوشه بندی(Clustering): کشف و مستند سازی مجموعه‌ای از حقایق ناشناخته مثلا موقعیت جغرافیایی خرید محصولی با مارک خاص
  • پیش بینی(Forecasting):کشف الگوهایی که بر اساس آنها پیش بینی قابل قبولی از رویدادهای آتی ارایه می‌شود، مثلا رابطه عضویت در یک باشگاه ورزشی با شرکت ذر کلاسهای ورزشی.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
موفق باشید]]> <![CDATA[دعوت اعضا]]> https://forums.svus.ir/Thread-%D8%AF%D8%B9%D9%88%D8%AA-%D8%A7%D8%B9%D8%B6%D8%A7--1406 Sun, 24 Jun 2012 10:54:06 +0000 l-agharezaei]]> https://forums.svus.ir/Thread-%D8%AF%D8%B9%D9%88%D8%AA-%D8%A7%D8%B9%D8%B6%D8%A7--1406

خواهشمندم دوستانی که مایل هستند در زمینه داده کاوی
فعالیت تحقیقاتی و پژوهشی داشته باشند، آمادگی خود را اعلام بفرمایند.


با تشکر]]>

خواهشمندم دوستانی که مایل هستند در زمینه داده کاوی
فعالیت تحقیقاتی و پژوهشی داشته باشند، آمادگی خود را اعلام بفرمایند.


با تشکر]]>