فصل اول: مقدمه اي بر داده كاوي
1-1 مقدمه
1-2 داده كاوي چيست ؟
1- 3 مفاهيم پايه در داده کاوي
1- 4 تعريف داده کاوي
1- 5 تاريخچه داده کاوي
1- 6 برخي از کاربردهاي داده کاوي در محيطهاي واقعي عبارتند از :
1- 6- 1 خرده فروشي
1- 6- 2 بانکداري
1- 6- 3 بيمه
1- 6- 4 پزشکي
1- 7 مراحل فرايند کشف دانش از پايگاه داده ها
1- 8 عملياتهاي داده کاوي
1- 9 الگوريتمهاي داده كاوي
1- 10 مدل فرآيند دو سويه
1- 11 ساختن يك پايگاه داده داده كاوي
1-12 نتيجه گيری
فصل دوم: داده كاوي درمديريت ارتباط بامشتري
2- 1 چكيده
2- 2 مقدمه
2- 3 داده كاوي
2- 4 مديريت ارتباط با مشتري
2- 5 چرخه زندگي مشتري
2- 6 نتيجه گيري
فصل سوم: کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی
3- 1 چکیده
3- 2 مقدمه
3- 3 پیشرفت در تکنولوژیهای داده پردازی
3- 4 عناصر داده کاوی
3- 5 فنون داده کاوی
3- 6 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
3- 7 مدیریت و خدمات کتابخانه
3- 8 مدیریت موسسات دانشگاهی
3- 9 تذکرات نهایی
فصل چهارم: كسب و كار هوشمند و داده كاوي
4- 1 مقدمه
4- 2 تكامل تاثير گذاري داده ها
4- 3 از داده ها تا تصميم گيريها
4- 4 مفهوم ذخيره داده ها
4- 5 تعريفي براي داده كاوي
4- 6 كاربردها و عمليات داده كاوي
4- 7 لزوم داده كاوي
4- 8 داده كاوي در مقابل پرس و جو ها در پايگاه هاي داده سنتي
4- 9 الگوريتم هاي انجمني
4- 10 تكنيكهاي مرتبط با داده كاوي
4- 11 ابزارهاي داده كاوي
4- 12 درخت هاي تصميم گيري
4- 13 داده كاوي - يك مدل و نمونه خلاصه
4- 14 نرم افزار Low end
4- 15 فرآيند داده كاوي
4- 16 نرمال سازي
4- 17 يادگيري داده ها
4- 18 درخت هاي تصميم گيري و قواعد تصميم گيري
4- 19 نتيجه گيري
فصل پنجم: تفاوت داده کاوی و آنالیز های آماری
5- 1 مقدمه
5- 2 روش آنالیز آماری
5- 3 روش داده کاوی
5- 4 فواید و نقش داده کاوی در فعالیت شرکتها
5- 5 مراحل اصلی داده کاوی
فصل ششم: داده كاوي توزيع شده
6- 1 مقدمه
6- 2 دلايل پيدايش داده کاوی توزيع شده
6- 3 تکنيکها و رويکردها در داده کاوی توزيع شده
6- 4 عاملها و داده کاوی توزيع شده
6- 5 داده کاوی و حريم خصوصی
6- 6 کاربردهاي داده کاوي
6- 7 تکنيک‌هاي داده کاوي
6- 8 قوانين انجمني
6- 9 تشخيص قوانين انجمني به كمك الگوريتم apriori
6- 10 فرآیند استخراج قوانین وابستگی
Apriori Based DDM Algorithms 11- 6
Count Distribution 12- 6
Data Distribution 13- 6
فصل هفتم: نرم افزار داده كاوي Weka
7-1 مقدمه
7-2 روش استفاده از Weka
3-7 قابليتهاي Weka
4-7دريافت Weka
5-7 مروري بر Explorer
فصل هشتم : نتيجه گيری و ارائه پيشنهادات
منابع
داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می باشد، به طریقی که این الگو ها و مدلها برای انسانها قابل درک باشند.
داده کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود.
داده ها اغلب حجیم می باشند و به تنهایی قابل استفاده نیستند، بلکه دانش نهفته در داده ها قابل استفاده می باشد. بنابراین بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدلها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها و نهایتا تبدیل داده به اطلاعات، روز به روز ضروری تر می شود.
یکی از نمونه های بارز داده کاوی را می توان در فروشگاه های زنجیره ای مشاهده نمود، که در آن سعی می شود ارتباط محصولات مختلف هنگام خرید مشتریان مشخص گردد. فروشگاه های زنجیره ای مشتاقند بدانند که چه محصولاتی با یکدیگر به فروش می روند.
به روشنی این مطلب قابل درک است که این نوع استفاده از داده کاوی می تواند فروشگاه ها را در برگزاری هوشمندانه فستیوال های فروش و نحوه ارائه اجناس به مشتریان یاری رساند.
نمونه دیگر استفاده از داده کاوی در زمینه فروش را می توان در یک شرکت بزرگ دوبلاژ و تکثیر و عرضه فیلم های سینمایی در آمریکای شمالی مشاهده نمود که در آن عملیات داده کاوی ، روابط مشتریان و هنرپیشه های سینمایی و نیز گروه های مختلف مشتریان بر اساس سبک فیلم ها (ترسناک، رمانتیک، حادثه ای و ...) مشخص گردید.
از دیگر زمینه های به کارگیری داده کاوی، استفاده بیمارستانها و کارخانه های داروسازی جهت کشف الگوها و مدلهای ناشناخته تاثیر دارو ها بر بیماری های مختلف و نیز بیماران گروه های سنی مختلف را می توان نام برد.
استفاده از داده کاوی در زمینه های مالی و بانکداری به شناخت مشتریان پر خطر و سودجو بر اساس معیارهایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می انجامد.