به‌دلیل اهمیت بسیار تجزیه و تحلیل داده ها در تمام کسب‌وکارهای دنیا، که به‌نوعی از دیجیتال مارکتینگ برای رشد و پیشرفت خود استفاده می‌کنند، در ادامه به این می‌پردازیم که اهمیت تحلیل داده ...

بیشتر

تجمیع داده های چند شیت در یک فایل. مرحله ۱: فراخوانی تیبل های موجود در فایل. مرحله ۲: باز کردن تیبل ها و قرار دادن داده ها زیر هم. مرحله ۳: اعمال تغییرات مورد نظر. مرحله ۴: انتقال دیتا به اکسل ...

بیشتر

در دنیای داده‌ها و اطلاعات نیز، به همین صورت انبار کردن داده داریم که به آن Data Warehouse یا به اختصار DW نیز می‌گویند و در این درس به آن خواهیم پرداخت. حتما درس قبلی (هوش تجاری چیست) را خوانده‌اید ...

بیشتر

اما در مکعب‌داده (Data Cube) موضوع فرق می‌کند. در مکعب‌داده، داده‌ها به صورت چند بُعدی نمایش داده می‌شوند و هر بُعد یک ویژگی از انبارداده ما را نمایش می‌دهد. برای مثال فرض کنید شما مالک یک ...

بیشتر

عملکرد داده کاوی چگونه است؟ در مورد کاربرد داده کاوی گفتیم، داده کاوی نوعی روش حل مساله بر اساس داده‌های موجود است. در ابتدای این فرایند، مشکلات کسب و کار شما پیدا می‌شود.

بیشتر

اگرچه ، واریانس داده ها در فضای با ابعاد کمتر، باید حداکثر باشد. برای تصویر مراحل زیر را خواهیم داشت : ماتریس کوواریانس داده ها را بسازید. بردارهای ویژه این ماتریس را محاسبه کنید.

بیشتر

1. تغییر مقیاس و زاویه نگاه به داده ها. به طور مثال با تجمیع داده های مشتریان بانک به تفکیک هر شعبه می توان زاویه نگاه تحلیل را از سطح مشتری به سطح شعب تغییر داد. 2. افزایش ثبات و پایداری در الگوها

بیشتر

برای عملیات تجمیع داده ها دو مفهوم اساسی را باید در نظر داشت: انتخاب فیلد کلیدی (Key Field) در یک مجموعه داده موجودیت های مختلفی می تواند وجود داشته باشد.

بیشتر

این ساختارها داده مکعب – Data Cube – نامیده می‌شوند. در داده مکعب هر بعد با یک خصوصیت یا مجموعه‌ای از خصوصیت‌ها در ارتباط است. انباره داده، مخزنی شامل مکعب داده های جمع آوری شده از چندین منبع ...

بیشتر

روش‌های انتخاب ویژگی (Feature Selection Methods) به منظور مواجهه با داده‌های ابعاد بالا، به مولفه‌ای جدایی ناپذیر از فرآیند یادگیری مبدل شده‌اند. یک انتخاب ویژگی صحیح می‌تواند منجر به بهبود یادگیرنده استقرایی از جهت‌های ...

بیشتر

یکی از مباحث مهم و بسیار کاربردی در آموزش پیشرفته Excel، بحث مصورسازی داده‌ها است. هدف از فرایند مصورسازی داده‌ها، تجمیع و به‌تصویر کشیدن شاخص‌های کلیدی عملکرد در هر کسب‌وکار است.

بیشتر

داده کاوی یا Data Mining که به عنوان کشف دانش در داده ها (KDD) هم شناخته می‌شه، فرایندی هستش که در اون تلاش می‌شه الگوها و سایر اطلاعات ارزشمند رو از مجموعه های بزرگ داده به دست بیاریم. با توجه به ...

بیشتر

این دوره آموزشی به‌صورت عملی به دانشجویان کمک می‌کند تا با استفاده از پایتون و کتابخانه‌های مختلف، مهارت‌های لازم برای داده‌کاوی و تحلیل داده‌ها را به دست آورند. در این دوره از کتابخانه ...

بیشتر

داده کاوی چیست؟. (Data Mining) داده کاوی فرآیند تجزیه و تحلیل حجم عظیمی از داده‌ها برای کشف هوش تجاری سازمان است. این فرآیند به شرکت‌ها در حل مشکلات، کاهش خطرات و استفاده از فرصت‌های جدید کمک می ...

بیشتر

پیش پردازش داده (Data Preprocessing) به مراحلی گفته میشود که در آن داده ها برای داده کاوی آماده میشود. لازم به ذکر است که این مراحل جز مهم ترین گام ها در داده کاوی هستند. پس باید با دقت با مفهوم آن آشنا شد ...

بیشتر

داده‌کاوی و حل مساله (Python) طول دوره: 10 هفته. طول ویدیو: 41 ساعت و 33 دقیقه. مخاطبین دوره: علاقه مندان به تحلیل و مدلسازی پیشرفته (تحلیلگران و دانشمندان داده) دوره های پیش نیاز: آشنایی با علم داده و ...

بیشتر

انواع داده کاوی. در داده کاوی از الگوریتم‌ها و شیوه‌های مختلفی استفاده می‌شود. روش‌های اصلی داده کاوی به سه دسته کلی تقسیم می‌شوند: توصیفی و پیشگویی و تجویزی.

بیشتر

بررسی مفاهیم تجمیع داده ها یا Data Aggregation و داده های از دست رفته یا Missing Value ، معرفی راهکارهای موجود، و پیاده سازی پروژه در پایتون به صورت یک فیلم آموزشی

بیشتر

داده کاوی فرآیندی برای یافتن الگوهای بالقوه مفید از مجموعه کلان داده ها است. داده کاوی یک حرفه چند رشته ای است که با استفاده از علم ماشین، آمار و هوش مصنوعی می تواند اطلاعاتی را برای ارزیابی احتمال وقایع آینده استخراج کند.

بیشتر

یکی از مراحل مهم یک پروژه داده‌کاوی فهم نیاز کسب‌وکار است. این کار با مطالعه و فهم دقیق نیازهای مدیریتی آغاز می‌شود. اهداف کسب‌وکار که انگیزه اصلی اجرای پروژه است باید به‌خوبی مشخص شوند ...

بیشتر

داده کاوی فرایندی است که طی آن سازمان ها الگوهای موجود در داده ها را برای بینش مربوط به نیازهای تجاری خود تشخیص می دهند.هم برای هوش تجاری و هم برای دانش داده ضروری است. بسیاری از تکنیک های داده ...

بیشتر

در مواقعی که بحث کار عملی (و صنعتی) بر روی داده‌ها پیش میآید و از مباحث تئوری و آکادمیکِ دانشگاهی فاصله می‌گیریم، شاید مهم‌ترین بخش برای عملیاتِ داده‌کاویْ عملیاتِ انتخابِ ویژگی است. در مباحثِ آکادمیک معمولا ویژگی ...

بیشتر

داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار. این الگوریتم‌ها معمولا بر روی مقادیر عددی و ...

بیشتر

داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار. این الگوریتم‌ها معمولا بروی مقادیر عددی و غیرمتنی ...

بیشتر

در حقیقت هوش تجاری با گردآوری، تجمیع و در نهایت تحلیل داده‌های موجود در بخش‌های مختلف یک سازمان، به مدیران شرکت‌ها کمک می‌کند تا ببینند که چه عواملی در موفقیت یا شکست پروژه‌هایشان موثر است.

بیشتر

«تبدیل» (Transformation) یک گام از فرآیند داده‌کاوی و پیش پردازش داده‌ها است. در این گام یک بیان مجدد از داده‌ها با انجام تجمیع دوباره، نرمال‌سازی و تغییر واحدهای اندازه‌گیری آن‌ها ارائه می‌شود.

بیشتر

۹- نرم افزار RapidMiner. RapidMiner یک ابزار رایگان برای استفاده از داده کاوی است. این برای آمادگی داده ها ، یادگیری ماشین و استقرار مدل استفاده می شود. این مجموعه طیف وسیعی از محصولات را برای ساخت ...

بیشتر

برخی از روش‌های پرکاربرد در مقابله با داده های از دست رفته در فرآیند داده کاوی به شرح ذیل است: پاک کردن سطری که داده از دست رفته دارد. پاک کردن ستونی که داده از دست رفته دارد. جایگذاری مقدار ...

بیشتر

در علم محاسبات یا رایانش، یک انبار داده (DW یا DWH) که به نام انبار داده سازمانی (EDW) نیز نامیده می‌شود، سیستمی است که برای گزارش‌دهی و تحلیل داده استفاده می‌شود و به عنوان جزء اصلی هوش تجاری محسوب می‌شود. انبارهای داده ...

بیشتر

داده‌کاوی یا تحلیل داده‌ها در تحقیقات «کیفی» (Qualitative) داده‌کاوی یا تحلیل داده‌ها در تحقیقات «کمی» (Quantitative) اکنون در ادامه هر یک از این دو روش در زیربخش‌های جداگانه‌ای شرح داده شده‌اند.

بیشتر