مشخصات مقاله:
عنوان فارسی مقاله:
ابزار داده کاوی
عنوان انگلیسی مقاله:
Data mining tools
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی نرم افزار و داده کاوی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
توسعه تاریخی و جدید ترین تکنولوژی
معیار ها برای مقایسه نرم افزار داده کاوی
تحقیق
گروهای کاربر
ساختار های داده ها
وظایف و روش ها
فعل و انفعال و تجسم
واردات و صادرات داده ها و مدل ها
مجوز ها
دسته بندی نرم افزار داده کاوی بر طبق انواع مختلف
اطلاعات تکمیلی
قسمتی از مقاله انگلیسی و ترجمه آن:
HISTORICAL DEVELOPMENT AND STATE-OF-THE-ART Data mining has a long history, with strong roots in statistics, artificial intelligence, machine learning, and database research.1, 2 The word ‘data mining’ can be found relatively early, as in the article of Lovell,3 published in the 1980s. Advancements in this field were accompanied by development of related software tools, starting with mainframe programs for statistical analysis in the early 1950s, and leading to a large variety of stand alone, client/server, and webbased software as today’s service solution. Following the original definition given in Ref 1, data mining is a step in the knowledge discovery from databases (KDD) process that consists of applying data analysis and discovery algorithms to produce a particular enumeration of patterns (or models) across the data. In that same article, KDD is defined as the nontrivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data. Sometimes, the wider KDD definition is used synonymously for data mining. This wider interpretation is especially popular in the context of software tools because most such tools support the complete KDD process and not just a single step.
توسعه تاریخی و جدید ترین تکنولوژی
داده کاوی از یک سری ویژگی هایی برخوردار بود که عبارتند از تاریخچه طولانی با ریشه های قوی در امار ، هوش مصنوعی ، یادگیری ماشینی و تحقیق پایگاه داده ها . کلمه ” داده کاوی ” را می توان بالنسبه در مراحل اولیه در مقاله لوول مشاهده نمود که در دهه 1980 منتشر گردید . پیشرفت ها در این حوزه از طریق توسعه ابزار نرم افزار مربوطه همراه گردید که با برنامه های پردازنده مرکزی برای تحلیل آماری در اوایل دهه 1950 شرو ع گردید و به انواع نرم افزار مستقل ، مشتری / سرور و نرم افزار وب محور منجر می گردد که راه حل خدمت رسانی امروزی است .
متعاقب تعریف اصلی ارایه شده در مرجع اول ، داده کاوی گامی در کشف دانش از فرآیند پایگاه داده ها (KDD) می باشد که شامل بکارگیری تحلیل داده ها و کشف الگوریتم ها برای تولید تعیین شماره الگو ها ( یا مدل ها ) در میان داده ها می باشد . KDD در همان مقاله مشابه به عنوان فرآیند غیر بدیهی شناسایی الگو های معتبر ، عالی ، به طور بالقوه سودمند و در نهایت قابل درک داده ها می باشد . بعضی مواقع تعریف گسترده تر KDD ، هم معنی برای داده کاوی استفاده می شود . این تفسیر گسترده تر به طور خاص در قالب ابزار نرم افزار محبوب است چون بخش عمده چنین ابزاری از فرآیند کامل KDD و نه صرفا یک گام انفرادی حمایت می کند .