Data Warehouse & Data Mining e

D-Salhra‏

آگهی دارد

درباره این برنامه

در این برنامه دوره های + تمرین + اصلاح در جزئیات مربوط به Data Waherouse و Data Mining را پیدا می کنید

"انبار داده" ابتدا چیست؟ :

این یک نوع بانک اطلاعاتی است که شامل حجم عظیمی از داده ها برای کمک به تصمیم گیری در سازمان است. این نوع بانک اطلاعاتی با انطباق ساختار داخلی خود با آنچه کاربر از شاخص ها و محورهای تحلیل در آنچه در مدل ستاره ستاره نامیده می شود ، و کاربردهای آن مشخص می شود: پشتیبانی از تصمیم گیری و داده کاوی.

انبارهای داده معمولاً حاوی داده های تاریخی هستند که از داده های موجود در داده های معمول استفاده شده در برنامه هایی که بسیاری از عملیات ورودی و بروزرسانی روی آنها انجام می شود ، گرفته شده و از آنها استخراج می شود و انبارهای داده نیز می توانند شامل باشند. داده های منابع دیگر مانند پرونده های متنی و سایر اسناد.


"داده کاوی" چیست؟ :

این یک جستجوی رایانه ای و دستی برای دانش از داده ها است بدون فرضیه های اولیه در مورد آنچه که این دانش می تواند باشد. داده کاوی همچنین به عنوان فرایند تجزیه و تحلیل مقدار داده (معمولاً مقدار زیادی) تعریف می شود ، تا یک رابطه منطقی پیدا کند که داده ها را به روشی جدید خلاصه کند که برای صاحب داده قابل فهم و مفید باشد. . "مدل" به روابط و داده های خلاصه حاصل از داده کاوی گفته می شود. داده کاوی به طور کلی با داده هایی که به منظور دیگری غیر از داده کاوی (به عنوان مثال بانک اطلاعات معاملات در یک بانک) به دست آمده است ، می پردازد ، به این معنی که روش استخراج داده بر نحوه جمع آوری داده ها تأثیر نمی گذارد. این یکی از مناطقی است که داده کاوی با آمار متفاوت است و به همین دلیل فرآیند داده کاوی را یک فرایند آماری ثانویه می نامند. این تعریف همچنین نشان می دهد که میزان داده ها به طور کلی زیاد است ، اما اگر مقدار داده ها اندک باشد ، بهتر است از روش های آماری منظم برای تحلیل آن استفاده کنید.

هنگام برخورد با حجم زیادی از داده ها ، مشکلات جدیدی از جمله نحوه شناسایی نقاط مجزا در داده ها ، چگونگی تجزیه و تحلیل داده ها در یک زمان معقول و چگونگی تصمیم گیری در مورد رابطه آشکار ، منعکس کننده یک واقعیت در ماهیت داده ها است. . معمولاً داده هایی استخراج می شوند که بخشی از مجموعه داده ها باشد ، در آنجا معمولاً هدف کلی تعمیم نتایج به کلیه داده ها است (برای مثال ، تجزیه و تحلیل داده های فعلی مصرف کنندگان یک محصول به منظور پیش بینی خواسته های آینده مصرف کنندگان) یکی از اهداف داده کاوی نیز کاهش یا فشرده سازی مقادیر زیادی از داده ها برای بیان داده های ساده و بدون تعمیم است.