دانلود فایل پاورپوینت داده کاوی DATA MINING

PowerPoint قابل ویرایش
23 صفحه
8900 تومان

لطفا به نکات زیر در هنگام خرید دانلود فایل پاورپوینت داده کاوی DATA MINING توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاورپوینت داده کاوی DATA MINING قرار داده شده است

2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

4-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

پیش پردازش داده ها

تمیز کردن
تغیر شکل
کاهش
کاربردهای داده کاوی

روشهای داده کاوی

خوشه بندی
الگوهای تکرارشونده و قوانین انجمنی
دسته بندی و پیش بینی
نتیجه گیری

منابع مقدمه

کشف دانش در داده

 

اسلاید ۲ :

What is DATA MINING?

کشف اطلاعات نهفته و الگوهای ناشناخته مفید از روی حجم انبوه داده ها

What is STREAM DATA MINING?

داده هایی که در جریان هستند تفسیر می کنیم

On line        داده کاوی می کنیم                         همه data  را نداریم                                      الگوریتم های مختلفی دارد

اسلاید ۳ :

  •  

Why DATA MINING?

سرعت در تحلیل اطلاعات و افزایش کیفیت نتایج تحلیل ها
شناسایی سریع فرصتها و تهدیدها
بهره گیری از سیستمهای داده کاوی با کاربری آسان
ایجاد امکان استفاده از ابزارهای متنوع داده کاوی
افزایش قدرت تحلیل در سازمان بهمراه افزایش صحت تحلیل
ایجاد فضایی شفاف در سازمان برای تصمیم گیری صحیح در تمامی رده های مدیریتی بویژه بهبود تصمیم گیری مدیران ارشد

اسلاید ۴ :

داده هایی که روی آنها عملیات mining  انجام می دهیم باید ویژگی های

 زیر را دارا باشند تا خروجی مفید و قابل استفاده و اطمینانی را به ما بدهند

         Accuracy        Completeness         Consistency       Believability

    Value added             Interpretability                 Accessibility

داده ها در جهان واقعی DIRTY   هستند

DIRTY  بودن یعنی داده ها :

-ناقص هستند   incomplete

-شلوغ هستند       noisy

-متناقص هستند   inconsistent

اسلاید ۵ :

اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، از قبیل:
امور تجاری و مالی، امور پزشکی، زیست پزشکی، کشف ناهنجاریها و اسناد جعلی، ارتباطات از راه دور، ورزش و سرگرمی، کتابداری و اطلاع‌رسانی.

امروزه عملیات داده‌ کاوی به صورت گسترده توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده می‌شود، از جمله: فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره.

استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی از جمله: قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از جمله: وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند.

داده‌کاوی پیش‌بینی وضع آینده بازار، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکتها ممکن می‌سازد

اسلاید ۶ :

بازار هدف
پیدا کردن الگوی خرید مشتری
برنامه‌ریزی برای معرفی محصول جدید
دسته‌بندی مشتریان براساس نوع خرید
آنالیز نیازهای مشتریان
تشخیص محصولات مناسب برای دسته‌های مختلف مشتریان
تشخیص فاکتورهایی برای جذب مشتریان جدید
تعیین الگوهای خرید مشتریان
تجزیه و تحلیل سبد خرید بازار
پیشگویی میزان خرید مشتریان از طریق پست (فروش الکترونیکی)
پیش‌بینی الگوهای کلاهبرداری از طریق کارتهای اعتباری و شناسایی جرایم مالی
تشخیص مشتریان ثابت و دسته‌بندی و خوشه‌بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و بازپرداخت وام
تعیین میزان استفاده از کارتهای اعتباری بر اساس گروههای اجتماعی
تحلیل اعتبار مشتریان
شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام

اسلاید ۷ :

تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
پیش‌بینی میزان خسارت بر اساس گروههای مشتریان
مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
شناخت نیازها و الگوهای خرید سرویسهای بیمه‌ای توسط مشتریان
شناخت تخلفات بیمه‌ای
تعیین نوع رفتار با بیماران و تعیین روش درمان بیماریها
پیشگویی میزان موفقیت اعمال جراحی و تعیین میزان موفقیت روشهای درمانی در برخورد با بیماریهای سخت
بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
تشخیص و پیش‌بینی انواع بیماریها مانند تشخیص و یا پیش‌بینی انواع سرطان
تجزیه و تحلیل داده‌های موجود در سیستمهای اطلاعات سلامت
تحلیل عکسهای پزشکی

اسلاید ۸ :

یادگیری نظارت نشده
دسته بندی طبیعی داده های نامتجانس به تعدادی خوشه براساس خصوصیات مشابه
یک ایتم داده ای را به یکی از چند خوشه تصویر می کند که این خوشه ها گروه های طبیعی هستند
پیوستگی داخلی هر دسته و همبستگی خارجی کم با سایر دسته ها
براساس نزدیکی فاصله میان رکوردها و درصد قرار گرفتن داده های ورودی در خوشه ها
هدف اصلی پیدا کردن نظم در داده ها می باشد
معایب
نامناسب برای داده های با خصوصیات نامربوط و دارای افزونگی
دقت کمتر از روشهای دیگر

اسلاید ۹ :

-کشف و تولید الگوهایی که وقوع یک رخداد را براساس واقعه دیگر پیشگویی کند
-کشف وابستگی ها و ارتباطات بین داده های موجود در یک پایگاه داده
((نتیجه: دسته ای از قواعد است که به انها قواعد وابستگی گفته می شود))

Apriori
FP-tree

اسلاید ۱۰ :

یادگیری نظارت شده((تفاوت با خوشه بندی= معین بودن خوشه ها در شروع کار))
کاوش قوانین دسته‌بندی
تعداد دسته ها یا کلاس های دسته بندی از قبل مشخص می شود
نتیجه: تولید یک درخت تصمیم یا مجموعه‌ای از قوانین دسته‌بندی، که برای فهم بهتر داده‌های موجود در پایگاه داده و همچنین دسته‌بندی داده‌هایی که در آینده به پایگاه داده اضافه می‌شوند به کار می‌رود.

مطالب فوق فقط متون اسلاید های ابتدایی پاورپوینت بوده اند . جهت دریافت کل ان ، لطفا خریداری نمایید .
PowerPointقابل ویرایش - قیمت 8900 تومان در 23 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد