دیتاهارت وب‌سایتی است که سعی می‌کند نیاز محققین و پژوهشگران عزیز به مجموعه داده‌ها را تأمین کند. داده‌ها امروزه بخشی از زندگی روزمره ما هستند و روزانه صدها ، هزاران و میلیون‌ها داده توسط کاربران و سیستم‌ها تولید می‌شود. فضای مجازی به منبع عظیمی از داده‌های تبدیل‌شده است که این داده‌ها برای محققین حوزه داده‌کاوی به‌مثابه معدن طلا هستند. هر محقق داده‌کاوی نیاز به مجموعه داده برای شروع تحقیقات خود دارد. دیتاهارت سعی دارد در تأمین مجموعه داده‌های محققین و پژوهشگران سهم ناچیزی ایفا کند. در کشور ما به دلیل گستردگی محققین و پژوهشگران حوزه داده‌کاوی نیاز به یک وب‌سایت برای تهیه مجموعه دادهای متنوع و گسترده داده‌کاوی به‌شدت احساس می‌شد. در این وب سایت سعی خواهد مجموعه داده های مفید، سودمند و به روز برای محققین و پژوهش گران حوزه داده کاوی، متن کاوی، نظرکاوی(عقیده کاوی یا تحلیل احساسات) و حوزه های دیگر مانند شبکه های اجتماعی معرفی و عرضه گردد. پژوهش گرانی که اقدام به تولید و پروسس مجموعه داده می نماید برای در دسترس قرار دادن این مجموعه داده ها می توانند آن ها را به دیتا هارت ارسال نمایند و هزینه آن ها را دریافت کنند. دیتاهارت با تیم متخصص و توانای خود سعی دارد در جبران این نقصان در فضای علمی کشور سهم ناچیزی ایفا کند. با آرزوی موفقیت برای تمام محققین و اندیشمندان حوزه داده‌کاوی مدیریت دیتاهارت

دیتاهارت وب‌سایتی است که سعی می‌کند نیاز محققین و پژوهشگران عزیز به مجموعه داده‌ها را تأمین کند. داده‌ها امروزه بخشی از زندگی روزمره ما هستند و روزانه صدها ، هزاران و میلیون‌ها داده توسط کاربران و سیستم‌ها تولید می‌شود. فضای مجازی به منبع عظیمی از داده‌های تبدیل‌شده است که این داده‌ها برای محققین حوزه داده‌کاوی به‌مثابه معدن طلا هستند. هر محقق داده‌کاوی نیاز به مجموعه داده برای شروع تحقیقات خود دارد. دیتاهارت سعی دارد در تأمین مجموعه داده‌های محققین و پژوهشگران سهم ناچیزی ایفا کند. در کشور ما به دلیل گستردگی محققین و پژوهشگران حوزه داده‌کاوی نیاز به یک وب‌سایت برای تهیه مجموعه دادهای متنوع و گسترده داده‌کاوی به‌شدت احساس می‌شد. در این وب سایت سعی خواهد مجموعه داده های مفید، سودمند و به روز برای محققین و پژوهش گران حوزه داده کاوی، متن کاوی، نظرکاوی(عقیده کاوی یا تحلیل احساسات) و حوزه های دیگر مانند شبکه های اجتماعی معرفی و عرضه گردد. پژوهش گرانی که اقدام به تولید و پروسس مجموعه داده می نماید برای در دسترس قرار دادن این مجموعه داده ها می توانند آن ها را به دیتا هارت ارسال نمایند و هزینه آن ها را دریافت کنند. دیتاهارت با تیم متخصص و توانای خود سعی دارد در جبران این نقصان در فضای علمی کشور سهم ناچیزی ایفا کند. با آرزوی موفقیت برای تمام محققین و اندیشمندان حوزه داده‌کاوی مدیریت دیتاهارت

دوره آموزش جامع داده كاوی (به زبان فارسی) سری دوم - قسمت اول (مفاهیم و تعاریف داده کاوی، هوش مصنوعی و یادگیری ماشین و آمار) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

دوره آموزش جامع داده كاوی (به زبان فارسی) سری دوم - قسمت اول (مفاهیم و تعاریف داده کاوی، هوش مصنوعی و یادگیری ماشین و آمار) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

انجام پروژه داده کاوی ، پروژه داده کاوی ، پروژه دانشجویی داده کاوی توسط مجرب ترین اساتید داده کاوی datamining ایران با بالاترین کیفیت انجام میشود ، اگر در انجام پروزه داده کاوی خود مشکل دارید پروژه داده کاوی خود را به متلب پروژه بسپارید متلب دارای نماد اعتماد الکترونیکی در انجام پروژه های داده های می باشد برای سفارش پروژه داده کاوی با شماره 09039549884 تماس بگیرید

انجام پروژه داده کاوی ، پروژه داده کاوی ، پروژه دانشجویی داده کاوی توسط مجرب ترین اساتید داده کاوی datamining ایران با بالاترین کیفیت انجام میشود ، اگر در انجام پروزه داده کاوی خود مشکل دارید پروژه داده کاوی خود را به متلب پروژه بسپارید متلب دارای نماد اعتماد الکترونیکی در انجام پروژه های داده های می باشد برای سفارش پروژه داده کاوی با شماره 09039549884 تماس بگیرید

دوره آموزش جامع داده كاوی (به زبان فارسی) سری دوم - قسمت هشتم (مفاهیم درخت تصمیم و هرس، الگوریتم های CART، C5.0، CHAID) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

دوره آموزش جامع داده كاوی (به زبان فارسی) سری دوم - قسمت هشتم (مفاهیم درخت تصمیم و هرس، الگوریتم های CART، C5.0، CHAID) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

دوره آموزش داده كاوی (Knime) (به زبان فارسی) سری چهارم- قسمت دوم (خواندن داده‌ها در Knime) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

دوره آموزش داده كاوی (Knime) (به زبان فارسی) سری چهارم- قسمت دوم (خواندن داده‌ها در Knime) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

در فیلم آموزشی روش های پیش پردازش داده ها، روش های موجود برای پیش پردازش و آماده سازی داده ها برای شروع فرایند داده کاوی مورد بررسی واقع شده اند. برای نتیجه گیری بهتر از بسیاری از الگوریتم های داده کاوی، لازم است تغییرات و یا اصلاحاتی بر روی داده های خام انجام شوند، تا کیفیت الگوها و قواعد کاوش شده از داده ها، به بیشترین حد ممکن افزایش یابد. این فیلم آموزشی، که از جمله محصولات آموزشی رایگان تولید شده در متلب سایت (فرادرس) است، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. مدرس این مجموعه آموزشی بی نظیر، مهندس سیدمصطفی کلامی، دانشجوی دکترای مهندسی برق-کنترل در دانشگاه صنعتی خواجه نصیرالدین طوسی، است. برای کسب اطلاعات بیشتر، به این لینک ها مراجعه نمایید: http://matlabsite.com/mvrdm9206 http://matlabsite.com فرادرس -- متلب سایت مرجع آموزش هوش مصنوعی و برنامه نویسی

در فیلم آموزشی روش های پیش پردازش داده ها، روش های موجود برای پیش پردازش و آماده سازی داده ها برای شروع فرایند داده کاوی مورد بررسی واقع شده اند. برای نتیجه گیری بهتر از بسیاری از الگوریتم های داده کاوی، لازم است تغییرات و یا اصلاحاتی بر روی داده های خام انجام شوند، تا کیفیت الگوها و قواعد کاوش شده از داده ها، به بیشترین حد ممکن افزایش یابد. این فیلم آموزشی، که از جمله محصولات آموزشی رایگان تولید شده در متلب سایت (فرادرس) است، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. مدرس این مجموعه آموزشی بی نظیر، مهندس سیدمصطفی کلامی، دانشجوی دکترای مهندسی برق-کنترل در دانشگاه صنعتی خواجه نصیرالدین طوسی، است. برای کسب اطلاعات بیشتر، به این لینک ها مراجعه نمایید: http://matlabsite.com/mvrdm9206 http://matlabsite.com فرادرس -- متلب سایت مرجع آموزش هوش مصنوعی و برنامه نویسی

دوره آموزش داده كاوی (رپیدماینر) (به زبان فارسی) سری سوم - قسمت یکم (معرفی و نصب برنامه رپیدماینر) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

دوره آموزش داده كاوی (رپیدماینر) (به زبان فارسی) سری سوم - قسمت یکم (معرفی و نصب برنامه رپیدماینر) ارائه شده توسط آکادمی داده کاوی فرابر: http://www.farabar.net لینک عضویت در کانال هوشمندی کسب‌وکار فرابر: https://telegram.me/joinchat/AykPgjut61Nsq3gWVPb8fw

تشخیص داده های پرت می تواند به عنوان یک مرحله پیش پردازش در مسیر داده کاوی، و یا مستقلا به عنوان یک عملیات داده کاوی مطرح شود. روش های متعددی برای تشخیص داده های پرت وجود دارد، که در فیلم آموزشی تشخیص داده های پرت، سعی شده است مروری کلی بر روی این موارد انجام شود و در نهایت یک مورد که کاربرد بیشتری دارد، یعنی آنالیز مبتنی بر معیار T2 مفصلا مورد بررسی واقع شده است و در محیط متلب پیاده سازی شده است. این فیلم آموزشی، که از جمله محصولات آموزشی رایگان تولید شده در متلب سایت (فرادرس) است، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. مدرس این مجموعه آموزشی بی نظیر، مهندس سیدمصطفی کلامی، دانشجوی دکترای مهندسی برق-کنترل در دانشگاه صنعتی خواجه نصیرالدین طوسی، است. برای کسب اطلاعات بیشتر، به این لینک ها مراجعه نمایید: http://matlabsite.com/mvrdm9206 http://matlabsite.com فرادرس -- متلب سایت مرجع آموزش هوش مصنوعی و برنامه نویسی

تشخیص داده های پرت می تواند به عنوان یک مرحله پیش پردازش در مسیر داده کاوی، و یا مستقلا به عنوان یک عملیات داده کاوی مطرح شود. روش های متعددی برای تشخیص داده های پرت وجود دارد، که در فیلم آموزشی تشخیص داده های پرت، سعی شده است مروری کلی بر روی این موارد انجام شود و در نهایت یک مورد که کاربرد بیشتری دارد، یعنی آنالیز مبتنی بر معیار T2 مفصلا مورد بررسی واقع شده است و در محیط متلب پیاده سازی شده است. این فیلم آموزشی، که از جمله محصولات آموزشی رایگان تولید شده در متلب سایت (فرادرس) است، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. مدرس این مجموعه آموزشی بی نظیر، مهندس سیدمصطفی کلامی، دانشجوی دکترای مهندسی برق-کنترل در دانشگاه صنعتی خواجه نصیرالدین طوسی، است. برای کسب اطلاعات بیشتر، به این لینک ها مراجعه نمایید: http://matlabsite.com/mvrdm9206 http://matlabsite.com فرادرس -- متلب سایت مرجع آموزش هوش مصنوعی و برنامه نویسی

در جهت تکمیل مباحث مطرح شده در جلسات پیشین مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی شده اند. فهرست این مثال در ادامه آمده است: الف) حل مسأله رگرسیون یا Regression روش ها: کمترین مربعات، شبکه عصبی MLP و شبکه عصبی RBF موضوع: تخمین درصد چربی موجود در بدن (Body Fat Percentage) با توجه به ۱۳ عامل فیزیکی و قابل اندازه گیری در همه جا ب) حل مسأله طبقه بندی یا Classification روش ها: طبقه بندی کننده درخت تصمیم یا Decision Tree Classifier موضوع: تحلیل نتایج به دست آمده از انتخابات ریاست جمهوری آمریکا در سال ۲۰۰۸ پ) حل مسأله کاوش قواعد وابستگی یا Association Rule Mining روش ها: الگوریتم های Apriori و FP-Growth موضوع: تحلیل سفارش های انجام شده در یک رستوران ارائه دهنده انواع غذاها و نوشیدنی ها این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: Association Rule Mining Biomedical Engineering Body Fat Estimation Classification Data Mining Data Mining in MATLAB Decision Tree Classifier Decison Tree Frequent Rule KDD Knowledge Discovery Knowledge Discovery from Data Market Basket Analysis Nonlinear Regression Regression استخراج دانش الگوریتم Apriori الگوریتم FP-Growth انتخابات ریاست جمهوری آمریکا تحلیل رفتار مشتری تحلیل سبد خرید تحلیل سفارش های یک رستوران تحلیل نتایج انتخابات تخمین درصد چربی بدن داده کاوی داده کاوی در متلب درخت تصمیم رگرسیون رگرسیون غیر خطی شبکه عصبی MLP شبکه عصبی RBF طبقه بندی قواعد تکرار شونده مبانی داده کاوی مدل سازی مهندسی پزشکی کاربرد داده کاوی در علوم اجتماعی کاربرد داده کاوی در علوم انسانی کاربرد داده کاوی در علوم سیاسی کاربرد داده کاوی در پزشکی کاربرد درخت تصمیم در طبقه بندی کاربرد هوش مصنوعی در علوم انسانی کاربرد هوش مصنوعی در پزشکی کاوش دانش کاوش قواعد وابستگی کشف دانش کمترین مربعات کمترین مربعات غیر خطی برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206

در جهت تکمیل مباحث مطرح شده در جلسات پیشین مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی شده اند. فهرست این مثال در ادامه آمده است: الف) حل مسأله رگرسیون یا Regression روش ها: کمترین مربعات، شبکه عصبی MLP و شبکه عصبی RBF موضوع: تخمین درصد چربی موجود در بدن (Body Fat Percentage) با توجه به ۱۳ عامل فیزیکی و قابل اندازه گیری در همه جا ب) حل مسأله طبقه بندی یا Classification روش ها: طبقه بندی کننده درخت تصمیم یا Decision Tree Classifier موضوع: تحلیل نتایج به دست آمده از انتخابات ریاست جمهوری آمریکا در سال ۲۰۰۸ پ) حل مسأله کاوش قواعد وابستگی یا Association Rule Mining روش ها: الگوریتم های Apriori و FP-Growth موضوع: تحلیل سفارش های انجام شده در یک رستوران ارائه دهنده انواع غذاها و نوشیدنی ها این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: Association Rule Mining Biomedical Engineering Body Fat Estimation Classification Data Mining Data Mining in MATLAB Decision Tree Classifier Decison Tree Frequent Rule KDD Knowledge Discovery Knowledge Discovery from Data Market Basket Analysis Nonlinear Regression Regression استخراج دانش الگوریتم Apriori الگوریتم FP-Growth انتخابات ریاست جمهوری آمریکا تحلیل رفتار مشتری تحلیل سبد خرید تحلیل سفارش های یک رستوران تحلیل نتایج انتخابات تخمین درصد چربی بدن داده کاوی داده کاوی در متلب درخت تصمیم رگرسیون رگرسیون غیر خطی شبکه عصبی MLP شبکه عصبی RBF طبقه بندی قواعد تکرار شونده مبانی داده کاوی مدل سازی مهندسی پزشکی کاربرد داده کاوی در علوم اجتماعی کاربرد داده کاوی در علوم انسانی کاربرد داده کاوی در علوم سیاسی کاربرد داده کاوی در پزشکی کاربرد درخت تصمیم در طبقه بندی کاربرد هوش مصنوعی در علوم انسانی کاربرد هوش مصنوعی در پزشکی کاوش دانش کاوش قواعد وابستگی کشف دانش کمترین مربعات کمترین مربعات غیر خطی برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206

چرا به داده کاوی نیاز داریم؟ مشتری محور بودن بدون تحلیل اطلاعات مشتریان و بدون استفاده از داده های جمع آوری شده از مشتریان امکان پذیر نمی باشد. چه اتفاقی افتاده است که نیاز داریم در مدیریت ارتباط با مشتریان خود از روش های داده کاوی و تحلیل داده های مشتریان استفاده کنیم؟ برای کسب اطلاعات بیشتر در مورد داده کاوی می توانیدلینک زیر را دنبال کنید. https://modamcrm.com/%d8%af%d8%a7%d8%af%d9%87%e2%80%8c%da%a9%d8%a7%d9%88%db%8c-%da%86%db%8c%d8%b3%d8%aa-%d8%9f/ کتاب مربوط به داده کاوی و رپیدماینر : https://modamcrm.com/کتاب-تندآموز-رپیدماینر-راهنمای-داده-ک/ آدرس سایت رسمی مدام : https://modamcrm.com/ follow us : https://www.instagram.com/modamcrm/ https://www.facebook.com/modamcenter داده_کاوی چرا_به_داده_کاوی_نیاز_داریم؟ رپیدماینر مدیریت_ارتباط_با_مشتری crm rapid_miner

چرا به داده کاوی نیاز داریم؟ مشتری محور بودن بدون تحلیل اطلاعات مشتریان و بدون استفاده از داده های جمع آوری شده از مشتریان امکان پذیر نمی باشد. چه اتفاقی افتاده است که نیاز داریم در مدیریت ارتباط با مشتریان خود از روش های داده کاوی و تحلیل داده های مشتریان استفاده کنیم؟ برای کسب اطلاعات بیشتر در مورد داده کاوی می توانیدلینک زیر را دنبال کنید. https://modamcrm.com/%d8%af%d8%a7%d8%af%d9%87%e2%80%8c%da%a9%d8%a7%d9%88%db%8c-%da%86%db%8c%d8%b3%d8%aa-%d8%9f/ کتاب مربوط به داده کاوی و رپیدماینر : https://modamcrm.com/کتاب-تندآموز-رپیدماینر-راهنمای-داده-ک/ آدرس سایت رسمی مدام : https://modamcrm.com/ follow us : https://www.instagram.com/modamcrm/ https://www.facebook.com/modamcenter داده_کاوی چرا_به_داده_کاوی_نیاز_داریم؟ رپیدماینر مدیریت_ارتباط_با_مشتری crm rapid_miner

https://www.dataacademy.ir

https://www.dataacademy.ir

ر بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. در فیلم آموزشی مبانی داده کاوی، با مروری بر مفاهیم پایه داده کاوی و مسائلی که در این حوزه مطرح است، تصویری جامع از عملیات داده کاوی و کاربردهای آن در زمینه های مختلف ارائه شده است. این موضوع، به ویژه با طرح مثال های متنوع از حوزه های مختلف، این فیلم آموزشی را تبدیل به یک مرجع آموزشی جامع و کاربردی برای اکثر مخاطبین کرده است. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در متلب سایت (فرادرس)، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند. مطالب این فیلم آموزشی توسط مهندس سیدمصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) ارائه شده است. سرفصل های مهم‌ترین مباحث مطرح شده در این فیلم آموزشی در ادامه آمده اند: * تعریف مسأله داده کاوی و استخراج دانش از داده یا KDD * تاریخچه پیاگاه های داده و روش های داده کاوی * مراحل موجود در مسیر کشف و استخراج دانش یا Knowledge Discovery * معرفی انواع داده ها و پایگاه های داده که می توان بر روی آن ها داده کاوی انجام داد * بررسی انواع الگوهای قابل شناسایی در داده ها * بررسی روش های موجود برای حل انواع مسائل داده کاوی * معرفی ویژگی های مهم و مطلوب در الگوهای کاوش پذیر * بررسی دشواری ها و مشکلات موجود در مسیر داده کاوی این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: Data Mining Data Mining in MATLAB KDD Knowledge Discovery Knowledge Discovery from Data استخراج دانش داده کاوی داده کاوی در متلب مبانی داده کاوی کاوش دانش کشف دانش برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206

ر بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. در فیلم آموزشی مبانی داده کاوی، با مروری بر مفاهیم پایه داده کاوی و مسائلی که در این حوزه مطرح است، تصویری جامع از عملیات داده کاوی و کاربردهای آن در زمینه های مختلف ارائه شده است. این موضوع، به ویژه با طرح مثال های متنوع از حوزه های مختلف، این فیلم آموزشی را تبدیل به یک مرجع آموزشی جامع و کاربردی برای اکثر مخاطبین کرده است. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در متلب سایت (فرادرس)، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند. مطالب این فیلم آموزشی توسط مهندس سیدمصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) ارائه شده است. سرفصل های مهم‌ترین مباحث مطرح شده در این فیلم آموزشی در ادامه آمده اند: * تعریف مسأله داده کاوی و استخراج دانش از داده یا KDD * تاریخچه پیاگاه های داده و روش های داده کاوی * مراحل موجود در مسیر کشف و استخراج دانش یا Knowledge Discovery * معرفی انواع داده ها و پایگاه های داده که می توان بر روی آن ها داده کاوی انجام داد * بررسی انواع الگوهای قابل شناسایی در داده ها * بررسی روش های موجود برای حل انواع مسائل داده کاوی * معرفی ویژگی های مهم و مطلوب در الگوهای کاوش پذیر * بررسی دشواری ها و مشکلات موجود در مسیر داده کاوی این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: Data Mining Data Mining in MATLAB KDD Knowledge Discovery Knowledge Discovery from Data استخراج دانش داده کاوی داده کاوی در متلب مبانی داده کاوی کاوش دانش کشف دانش برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206