نظریه پردازی داده بنیاد (پاورپوینت ) - بنام خدا محمد رضا طبیبی نظریه پردازی داده بنیاد Grounded Theory روش تحقیق چیست چگونگی...
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 41 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
1
2
داده کاوی الگوهای تکرارشونده در جریان دادهها
3
جریان داده
بسیاری از برنامه های کاربردی نوع داده جدیدی به نام جریان داده را تولید و تحلیل می کنند که در آن داده ها به صورت پویا به یک بستر ( یا پنجره ) وارد و یا از آن خارج می شوند .
خواص جریان داده :
حجم زیاد و گاه نامحدود
تغییرپویا
جریان به درون و خارج با یک ترتیب مشخص
پیمایش یکبار یا تعدا د محدود
نیازمند زمان پاسخ سریع ( اغلب بلادرنگ )
ممکن است دارای چندین منبع باشند .
4
جریان داده
بایگانی
پایگاه داده های موجود در سیستم
منبع چکنویس
سیستم مدیریت
جریان داده
جریان های ورودی
صادرکردن پرسوجوی پیوسته
ذخیره نتایج حاصل از جریان
نتایج پرس و جوی جریان
یک نگاه کلی به جریان داده
5
جریان داده
در جریان داده تعدادی یا همه داده های ورودی که باید روی آنها عملیات انجام شود روی دیسک یا حافظه اصلی قرار ندارند و بیشتر به صورت جریان داده پیوسته می رسند .
جریان داده ها از داده های ذخیره شده در موارد زیر متفاوت اند :
عناصر داده ها به صورت بر خط می رسند .
سیستم هیچ گونه کنترلی روی ترتیب عناصر داده ای ( روی عناصر جریان یا جریانهای داده ای ) ، که جهت پردازش می رسند ، ندارد .
جریانهای داده ای به صورت ذاتی از نظر اندازه نامحدود هستند .
یک عنصر از جریان داده پس از پردازش یا نادیده در نظر گرفته می شود یا آرشیو می شود .
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 22 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
Lecture 11 ساختارها ی ا یندکس ثانو ی ،پردازش همزمان داده ها Secondary Index structures, Co-sequential processing (Sections 7.7-7.9, 8.1-8.2)
File Structure
ساختارها ی ا یندکس ثانو ی ،پردازش همزمان داده ها
چگونه ایندکس ها ی ثانو ی جهت ایجاد مسیری ترکیبی استفاده میگردند؟
ترکیب چند ایندکس ثانوی چگونه انجام میشود؟
روشها ی بهینه سازی ساختار ایندکس ثانوی کدامند؟
چگونه از لیست های معکوس در ساختار ایندکس استفاده میگردد؟
چگونه میتوان از ایندکس ها جهت دسته بندی اطلاعات استفاده نمود؟
انواع روشها ی اتصال ایندکس ها به داده ها کدامند؟
منظوراز پردازش همزمان داده ها چیست؟
الگوریتم مقایسه یا ادغام داده ها چگونه است؟
File Structure
ساختارها ی ا یندکس ثانو ی ( Secondary Index structures )
چگونه ایندکس ها ی ثانو ی جهت ایجاد مسیری ترکیبی استفاده میگردند؟
ترکیب چند ایندکس ثانوی چگونه انجام میشود؟ ( combination )
مثال :
فایل اطلاعات مربوط به آهنگ ها در نظر میگیریم.
می خواهیم تمام آهنگ های BEETHOVEN با تیتر symphony No . 9 را پیدا کنیم.
جدول زیر با ترکیب دو ایندکس composer و title این نتیجه را به ما خواهد داد.
با استفاده از لیست نهایی ( mached list ) و با کمک ایندکس اصلی رکوردها را میخوانیم .
RCA2626
DG18807
DG18807
DG18807
COL31809
DG139201
ANG3795
ANG3795
ANG3795
Matched list (A & B)
Matches from title index
Matches from composer index
File Structure
ساختارها ی ا یندکس ثانو ی
چه اشکال اتی در ساختار اولیه ایندکس ثانوی وجود دارد ؟
برای هر کلید جدید (حتی با مقدار تکرار ی ) بایستی ایندکس دوباره مرتب شود.
مقادیر تکراری کلید ثانوی فضایی را اشغال می کنند که می توانستیم صرفه جویی نماییم.
مثال:
Secondary key
Primary key
Beethoven
Beethoven
Beethoven
Beethoven
Corea
Dvorak
Prokofiev
ANG 3795
DG 139201
DG 18807
RC A2626
WAR 23699
COL 318091
LON 2312
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 16 اسلاید
قسمتی از متن powerpoint (..pptx) :
داده کاوی
فهرست
+ مقدمه --------------------------------------------- 4
حوزه فعالیتهای داده کاوی ---------------------------- 5
روش آنالیز آماری ----------------------------------- 7
روش داده کاوی ------------------------------------- 7
مراحل کاری در داده کاوی -------------------------- 12
مثال تفهیمی در مورد داده کاوی --------------------- 12
مراجع --------------------------------------------- 14
نتیجه گیری ---------------------------------------- 15
مقدمه
پیشینه طرح موضوع دادهکاوی به دهه 1980 و به صورت جدی، به دهه 1990 برمیگردد. پیش از آن٬ از سیستمهای جمعآوری و مدیریت دادهها و اصطلاحاً لایروبی دادهها استفاده میشد٬ اما به مرور زمان٬ استخراج و کشف سریع و دقیق اطلاعات با ارزش و پنهان از پایگاه دادهها بهعنوان دادهکاوی مورد توجه قرار گرفت. به این شکل بود که فرایند دادهکاوی به عنوان فرایند آماری و تجزیه و تحلیل درفرایند کشف دانش در پایگاه دادهها ( KDD ) پررنگ شد ،به حدی که گاه٬ دادهکاوی ( DM ) بهعنوان مترادف کشف دانش در پایگاه دادهها( KDD ) مورد استفاده قرار میگرفت [2] . امروزه فرایند استخراج اطلاعات معتبر٬ از پیش ناشناخته٬ قابل فهم و قابل اعتماد از پایگاه دادههای بزرگ و استفاده از آن در تصمیمگیری و در فعالیتهای تجاری دادهکاوی نامیده میشود [1] . در تعاریف متعدد و متنوع برای دادهکاوی برموضوعاتی نظیر: استخراج دانش کلان٬ کاوش در دادهها٬ تجزیه و تحلیل دادهها و یافتن روابط و الگوهای مطمئن بین دادهها تاکید میشود. هدف نهایی دادهکاوی٬ ایجاد سیستمهای پشتیبانی تصمیمگیری سازمانی است. دادهکاوی به استخراج اطلاعات مفید و دانش از حجم زیاد دادهها میپردازد. دادهکاوی٬ الگوهای حاوی اطلاعات را در دادههای موجود جستوجو میکند. این الگوها و الگوریتمها، میتوانند توصیفی باشند یعنی دادهها را توصیف کنند و یا جنبه پیشبینی داشته باشند، یعنی از متغیرها برای پیشبینی ارزشهای ناشناخته سایر متغیرها بهکار روند. دادهکاوی توصیفی، بهدنبال یافتن اگرها در فعالیتها یا اقدامات گذشته است و دادهکاوی پیشبینانه با نگاه به سابقه٬ رفتار آینده را پیشبینی میکند [1] .
حوزه فعالیتهای داده کاوی
هدف دادهکاوی٬ تجزیه و تحلیلاکتشافی دادهها٬ کشف الگوها و قواعد و الگوریتمها٬ مدلسازی پیشبینانه وجستوجوی انحرافات است. برای انجام این هدف٬ فرایند دادهکاوی درجهت کشف دانش درمراحل مختلف انجام میشودکه عبارت است از:
1. شناسایی هدف و فهم حوزه کاربرد آن است و مشخص میکند که چهکاری٬ در چه حوزهایانجام خواهد شد.
2. انتخاب دادهها یعنی تعیین اهداف برای تجزیه و تحلیل و کشفآن
3. آمادهسازی دادهها شامل تمیزسازی دادهها
4. اتخاذ بهترین روشدادهکاوی برای دستیابی به اهداف
5. اجرای دادهکاوی یعنی بهکارگیریالگوریتم
6. ارزیابی و اعتبارسنجی یافتهها
7. استفاده از نتایج و تثبیت وتحکیم دانش کشف شده
8. تصمیم گیری براساس دانش کشف شده
اکتشاف در این مرحله معمولا با آماده سازی داده ها که ممکن است شامل تمیز کردن داده ها ، تبدیل داده ها ، زیر مجموعه های انتخاب آثار ضبط شده و انجام برخی از عملیات اولیه انتخابشروع می شود . سپس بسته به ماهیتتحلیلی ، این مرحله از فرایند استخراج داده ها ممکن است شامل هر انتخاب ساده و سرراست برای یک مدل رگرسیون استادانه درست شده را به تجزیه و تحلیل اکتشافی با استفاده از طیف گسترده ای از روش های گرافیکی و آماری به منظور شناسایی متغیرهای مربوطه و تعیین پیچیدگی از طبیعت مدل ها باشد. البته ناگفته نماند که داده کاوی معمولا با نوشتنمقدار زیادی گزارش و تحقیق و استعلام در آنها اشتباه گرفته می شود. اما در واقعداده کاوی هیچ کدام از اینها را شامل نمی شود. داده کاوی توسط تجهیزات خاصی صورتمی پذیرد، که عملیات کاوش را بر اساس تجزیه و تحلیل مکرر داده ها انجام می دهد
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 29 اسلاید
قسمتی از متن powerpoint (..ppt) :
بسم الله الرحمن الرحیم
روشهای جمع آوری داده ها
روشهای جمع آوری داده ها :
تکنیکهای جمع آوری داده ها به ما اجازه می دهند تا بطور سیستمتیک اطلاعات مربوط به اهداف مطالعه ( مردم، اهداف ، پدیده ها) و شرایطی که آنها رخ داده اند ، جمع آوری گردد.
تکنیکهای مختلف جمع آوری داده ها عبارتند از :
1- استفاده از اطلاعات در دسترس Using Available Information
2- مشاهده Observing
3- مصاحبه ( چهره به چهره ) Interviewing
4- پرسشنامه های کتب ی Administrating written questionnaires
الف- استاندارد ب- پژوهشگر ساخته
5- F.G-D بحث گروهی متمرکز Focus group Discussion
6- تکنیکهای تصویری Projective techniques mapping of scaling
1-ا ستفاده از اطلاعات در دسترس :
معمولا مقدارزیادی از داده ها هستند که همین الان توسط دیگران جمع آوری می شوند که شاید نیازی به تحلیل یا انتشار هم ندارند.توجه به این منابع و فراوری این اطلاعات شروع خوبی در هر برنامه جمع آوری داده ها هست.