دانلود رايگان

دانلود مقاله داده كاوي، مفاهيم و كاربرد

فرمت:word

امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده را پردازش كردواطلاعات حاصل از اين پردازش را در اختيار كاربران قرار داد .

با استفاده از پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي ، مي توان اطلاعاتي را در اختيار كاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند اما وقتي كه حجم داده ها بالا باشد ، كاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين كار هم با شند ، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است .

از سوي ديگر كاربران معمولا فرضيه اي را مطرح مي كنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي كه امروزه نياز به روشهايي است كه اصطلاحا به كشف دانش بپردازند يعني با كمترين دخالت كاربر و به صورت خودكار الگوها و رابطه هاي منطقي را بيان نمايند .

داده كاوي يكي از مهمترين اين روشها است كه به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت كاربران شناخته مي شوند و اطلاعاتي را در اختيار كاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .

در داده كاوي از بخشي از علم آمار به نام تحليل اكتشافي داده ها استفاده مي شود كه در آن بر كشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاكيد مي شود . علاوه بر اين داده كاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده كاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم آمار را در هم مي آميزند تا زمينه كاربردي فراهم شود .

بايد توجه داشت كه اصطلاح داده كاوي زماني به كار برده مي شود كه با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده كاوي بر اين مطلب تاكيد شده است .

هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشكلتر مي شود و نقش داده كاوي به عنوان يكي از روشهاي كشف دانش ، روشن تر مي گردد .