فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word دارای ۴۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word :

بخشی از فهرست مطالب فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word

مقدمه
۱-۱-پیشینه داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن
۱-۱-۱-تاریخچه داده کاوی
۱-۱-۲-تعریف داده کاوی
۱-۱-۳-انواع داده کاوی
۱-۱-۴-دلایل استفاده از داده کاوی
۱-۱-۵-پیش نیازهای یک داده کاوی موفق
۱-۱-۶-مراحل فرایند داده کاوی ( استاندارد CRISP-DM )
۲-۱-۶-۱شناخت کسب و کار
۲-۱-۶-۲شناخت داده ها
۲-۱-۶-۳آماده سازی داده ها
۲-۱-۶-۴مدل سازی
۲-۱-۶-۵ارزیابی مدل
۲-۱-۶-۶توسعه ی مدل
۱-۱-۷-قابلیت های اساسی داده کاوی
۲-۱-۷-۱طبقه بندی
۲-۱-۷-۲پیش بینی
۲-۱-۷-۳تحلیل خوشه ای
۲-۱-۷-۴تخمین
۲-۱-۷-۵گروه بندی شباهت یا قوانین وابستگی
۲-۱-۷-۶توصیف و نمایه سازی
۱-۱-۸-دسته بندی الگوریتم های داده کاوی
۱-۱-۹-الگوریتم های خوشه بندی
۲-۱-۹-۱روش افرازی ( تقسیم بندی)
۲-۱-۹-۲روش های سلسله مراتبی
۲-۱-۹-۳روش های مبتنی بر چگالی
۱-۱-۱۰-الگوریتم های وابستگی قواعد
۱-۱-۱۱-الگوریتم های طبقه بندی
۱-۲-
۱-۲-۱-مدیریت شهری و شهرداری
۱-۲-۲-نقش فن آوری اطلاعات در توسعه ی مدیریت شهری
۱-۳-پیشینه تحقیق
۲-فهرست منابع

بخشی از منابع و مراجع فایل ورد کامل تحقیق داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن ۴۲ صفحه در word

شهرابی، جمال (۱۳۹۰) داده کاوی؛ تهران؛ جهاد دانشگاهی امیرکبیر

شهرابی، جمال (۱۳۹۰) داده کاوی ۲؛ تهران؛ جهاد دانشگاهی امیرکبیر

شهرابی، جمال؛ ونوس شکور نیاز (۱۳۸۹)، داده کاوی کاربردی با مثال هایی در SQL Server ؛ تهران؛ جهاد دانشگاهی امیرکبیر

شهرابی، جمال؛ ذوالقدر شجاعی، علی (۱۳۸۸)، داده کاوی پیشرفته مفاهیم و الگوریتم ها؛ تهران؛ جهاد دانشگاهی امیرکبیر

شهرابی، جمال (۱۳۹۰)؛ کارگاه آموزشی داده کاوی ، تهران؛ دانشگاه صنعتی امیرکبیر

شهرابی، جمال (۱۳۸۹)؛ کارگاه آموزشی داده کاوی، تهران؛ دانشگاه صنعتی امیرکبیر

نخعی زاده ، غلامرضا (۱۳۸۹)،داده کاوی و کاربرد آن در بانک و بیمه ، کارگاه آموزشی، دانشگاه تربیت مدرس

وست فال، ماتیو و دیگران(۱۳۸۶)، شاخص های شهری برای مدیریت شهرها، ترجمه همت مراد قلندری؛ امیر قادری و امیر حسین ممتازی، تهران، مرکز انتشارات دانشگاه علم و صنعت ایران

هراتی ، سامان (۱۳۸۶)؛”حل مشکلات شهری از طریق فن آوری اطلاعات و ارتباطات”، نشریه مرکز ارتباطات بین المللی شماره ۴۶

“داده کاوی و کاربرد آن در مدیریت شهری”، (۱۳۸۸)، مرکز مطالعات و برنامه ریزی شهر تهران

 Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth (1996), From Data Mining toKnowledge Discovery inDatabases

William J. Frawley, Gregory Piatetsky-Shapiro, and Christopher J. Matheus, Knowledge Discovery in Databases:An Overview(1992)

Marcin and others, Data Mining Approach for Analyzing Call Center Performance,

Gupta G.K. (2006) , “Introduction to DATA MINING with Case Studies”, Prentice-Hall ,ISBN-81-203-3053-

Frawley W.,Piatetsky G., ”Knowledge Discovery In DataBases”, ISSN- 0738-

مقدمه

اصولاً پیدایش و رواج اصطلاح مدیریت شهری[۱] به مفهوم جدید آن را باید نتیجه ی تلاش های نظری و عملی برای غلبه بر انبوه مشکلات موجود در کلان شهرها به ویژه در نیمه دوم قرن بیستم دانست ( کاظمیان، ۱۳۸۲، صص ۴۳و ۵۱). مدیریت شهری معانی و محتواهای متفاوتی برای اندیشمندان مختلف در برداشته و دارد. مفاهیم و تعاریف اولیه در چارچوب سنت و طرز تلقی محدود، تکنوکراتیک و سیاست زدایی شده از مدیریت شهری ارائه شده اند. همه ی این تعاریف مدیریت شهری را در چارچوب اداره ی امور عمومی محدود  می کنند(Mattingly, 1994)

امروزه شهرها با افزایش مداوم جمعیت و نیازهای اجتماعی وابسته به آن روبرو هستند ولی منابعی که در اختیار شهرداری ها قرار می گیرد به همان نسبت افزایش نمی یابد. اهمیت حفظ تعادل بین نیازهای اجتماعی، اقتصادی و محیطی نسل حاضر و آینده از طیف توسعه انسانی پایدار، تغییر پارادایمی را در مدیریت شهری و  ارائه ی خدمات شهری به وجود آورده است. این تغییر پارادایم به ورود مفاهیمی چون مشارکت شهروندی، جامعه مدنی، مقتدرسازی[۲]، مشغولیت مدنی[۳] و حکمرانی شهری انجامیده است(شریفیان ثانی، ۱۳۸۸، ص ۴۳)

مشاوره و کسب نظر شهروندان، در صورتی که واقعی باشد، سودمند است. مخالفان نظارت شهروندی چنین نظارتی را سد راه ارائه ی خدمات مطلوب می دانند. مشارکت عمومی همواره، امری مطلوب به شمار می آید، اما برنامه ریزان در عمل، برای جلب مشارکت شهروندان با مشکل روبرویند. مشارکت گونه های مختلف دارد که برخی از آن ها عبارتند از: مشارکت از طریق مشاوره و درخواست پاسخ به پرسش ها از سوی اجتماعات و مشارکت به دلیل انگیزه های مادی که در آن اجتماع منابعی مانند نیروی کار و پول و غذا را در برابر محرک های مادی در اختیار می گذارند(شریفیان ثانی، ۱۳۸۸، ص ۴۲)

یکی از جنبه های بارز مشارکت مردم در اداره ی امور شهر برقراری ارتباط با شهرداری از طریق سامانه ی مدیریت شهری ۱۳۷ شهرداری تهران می باشدکه تلاش نموده با سرلوحه قرار دادن اصول شهروند مداری، محله گرایی و مشارکت مردمی به رسیدگی به درخواست ها و مشکلات مردم شهر تهران بپردازد

از طرف دیگر، امروزه شهرداری ها نیز هم چون دیگر سازمان ها غرق در انبوه داده ها و اطلاعاتی هستند که استفاده از آن ها در بیشتر موارد، محدود به انجام کارهای جاری شده است. داده کاوی که استفاده از آن نیز روز به روز توسعه می یابد، می تواند منجر به استفاده از این اطلاعات در زمینه ی تصمیم گیری های استراتژیک شود

۱-۱- پیشینه داده کاوی و مراحل فرآیند و دسته بندی الگوریتم های آن

۱-۱-۱- تاریخچه داده کاوی

ایده ای که مبنای داده کاوی است، یک فرایند با اهمیت از شناخت الگوهای بالقوه مفید، بدیع و نهایتاً قابل درک از داده هاست. واژه «کشف دانش در پایگاه  داده ها»[۴] که به معنای جستجوی دانش در اطلاعات است، در اوایل دهه ۸۰ شکل گرفته است. کشف دانش و داده کاوی یک حوزه جدید، میان رشته ای و در حال رشد است که حوزه های مختلفی هم چون پایگاه داده، آمار، یادگیری ماشین[۵]، مصور سازی[۶]، هوش مصنوعی[۷]، بازشناسی الگو[۸] و سایر زمینه های مرتبط را با هم تلفیق کرده است تا اطلاعات و دانش ارزشمند نهفته در حجم بزرگی از داده ها را استخراج نماید( فیاد و همکاران، ۱۹۹۶، هن و کمبر، ۲۰۰۶)

هن و کمبر (۲۰۰۶) داده کاوی را به صورت استخراج یا کاوش دانش از مقادیر عظیم داده ها تعریف کرده و داده کاوی را مهم ترین مرحله در فرایند کشف دانش معرفی کرده اند. جایگاه استخراج دانش و کاوش داده ها در شکل ۲-۱ نشان داده شده است

۱-۱-۲-  تعریف داده کاوی

داده کاوی به استخراج یا کاوش دانش از حجم زیادی داده اطلاق می شود که در واقع تشبیهی از کاوش طلا از صخره ها و سنگ هاست. کاوش واژه ای صریح و روشن است که فرایند یافتن یک مجموعه ی کوچک از مواد با ارزش در حجم زیادی از مواد خام را توصیف می کند. به این ترتیب مفهوم داده کاوی به عنوان یک مفهوم کلی و عام مشخص می شود. واژه های دیگری هم در متون علمی دیده می شوند که مفاهیمی مشابه یا کاملاً نزدیک به داده کاوی دارند؛ مثل کاوش دانش از بانک های اطلاعاتی، استخراج دانش، تحلیل داده یا الگو.(Frawley 1992)

[۱] Urban Management

[۲] Empowerment

[۳] Civil Engagement

[۴] Knowledge Discovery in Database

[۵] Machine Learning

[۶] Virtualization

[۷] Artificial Intelligence

[۸] Pattern Recognition