داده کاوی

0
68
28 بهمن 1398
0
68
28 بهمن 1398

داده کاوی(Data Mining)

داده کاوی فرآیندی است برای استخراج اطلاعات یا دانش مفید از حجم عظیمی از داده ها(یا داده های بزرگ). شکاف بین داده و اطلاعات با استفاده از ابزارهای مختلف داده کاوی کاهش یافته است. داده کاوی همچنین می تواند به عنوان کشف دانش از داده ها یا KDD شناخته شود.

روند حفر از طریق داده ها برای کشف اتصالات پنهان و پیش بینی روندهای آینده، دارای سابقه طولانی است. با این حال برای کشف دانش در پایگاه های داده، “داده کاوی” تا دهه 1990 ابداع نشده بود. امّا پایه و اساس آن شامل سه رشته علمی درهم تنیده است؛

  • آمار(مطالعه عددی روابط داده ها)،
  • هوش مصنوعی(هوش انسانی نمایش داده شده توسط نرم افزار و یا ماشین ها)
  • و یادگیری ماشین(الگوریتم هایی که می توانند از داده ها یاد بگیرند تا پیش بینی کنند). فناوری داده کاوی در حال پیشرفت است تا از پتانسیل بی حد و حصر داده های بزرگ و قدرت محاسبه، مقرون به صرفه همگام استفاده شود.

طی یک دهه گذشته، پیشرفت در قدرت پردازشی و سرعت، ما را قادر ساخته است که از روشهای دستی، خسته کننده و وقت گیر به سمت تحلیل سریع، آسان و خودکار داده ها حرکت کنیم. هرچه مجموعه داده های جمع آوری شده پیچیده تر باشد، امکان کشف بینش های مربوطه بیشتر است. خرده فروشان، بانک ها، تولید کنندگان، ارائه دهندگان ارتباطات از راه دور و بیمه گذاران و …، از داده کاوی برای کشف روابط بین همه چیز اعم از بهینه‌سازی قیمت، تبلیغات و آمار جمعیتی تا چگونگی تأثیرگذاری اقتصاد، ریسک، رقابت و رسانه‌های اجتماعی بر مدلهای تجاری، درآمدها، عملکردها و روابط مشتری استفاده می کنند.

بنابراین چرا داده کاوی مهم است؟

شما اعداد خیره کننده را مشاهده کرده اید. حجم داده های تولید شده در هر دو سال، دو برابر می شود. داده های بدون ساختار تنها 90 درصد از جهان دیجیتال را تشکیل می دهند. اما اطلاعات بیشتر لزوماً به معنای دانش بیشتر نیست.

داده کاوی به شما امکان می دهد تا؛

  • تمام نویزهای هرج و مرج و تکراری در داده های خود را الک کنید.
  • آنچه را که مرتبط است درک کنید و سپس از آن اطلاعات برای ارزیابی نتایج احتمالی استفاده خوبی کنید.
  • سرعت تصمیم گیری های آگاهانه را تسریع کنید.
 

تفاوت کلان داده و داده کاوی

داده کاوی را می توان در انواع مختلفی از بانکهای اطلاعاتی و مخازن اطلاعاتی مانند بانکهای اطلاعاتی رابطه ای، انبارهای داده، پایگاههای داده تراکنش، جریان داده ها و موارد دیگر انجام داد.

روشهای زیادی برای داده کاوی استفاده شده است، اما گام اساسی انتخاب روش مناسب از آنها مطابق با شغل یا بیانیه مشکل است. این روشهای داده کاوی به پیش بینی آینده و سپس تصمیم گیری در این زمینه کمک می کنند. اینها همچنین به تجزیه و تحلیل روند بازار و افزایش درآمد شرکت کمک می کند.

برخی از روشهای داده کاوی عبارتند از:

  • بهینه سازی
  • طبقه بندی
  • تحلیل خوشه ای(خوشه بندی)
  • پیش بینی
  • درخت تصمیم گیری
  • شبکه های عصبی

امیدوارم، مطلب مفید بوده باشد!

اشتراک گزاری:

کاظم دلسوز

دیدگاه ها (0)

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*
*

نماد های اعتماد

هوش مصنوعی ایران به استناد نماد های زیر ، دارای مجوز رسمی از مراجع زیر در جمهوری اسلامی ایران می باشد !

تمامی حقوق برای هوش مصنوعی ایران محفوظ است | طراحی شده با