فصل اول: مقدمه ای بر داده کاوی
1-1 مقدمه
1-2 داده کاوی چیست؟
1- 3 مفاهیم پایه در داده کاوی
1- 4 تعریف داده کاوی
1- 5 تاریخچه داده کاوی
1- 6 برخی از کاربردهای داده کاوی در محیط های واقعی عبارتند از:
1- 6- 1 خرده فروشی
1- 6- 2 بانکداری
1- 6- 3 بیمه
1- 6- 4 پزشکی
1- 7 مراحل فرایند کشف دانش از پایگاه داده ها
1- 8 عملیات های داده کاوی
1- 9 الگوریتم های داده کاوی
1- 10 مدل فرآیند دو سویه
1- 11 ساختن یک پایگاه داده داده کاوی
1-12 نتیجه گیری
فصل دوم: داده کاوی در مدیریت ارتباط بامشتری
2- 1 چکیده
2- 2 مقدمه
2- 3 داده کاوی
2- 4 مدیریت ارتباط با مشتری
2- 5 چرخه زندگی مشتری
2- 6 نتیجه گیری
فصل سوم: کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی
3- 1 چکیده
3- 2 مقدمه
3- 3 پیشرفت در تکنولوژی های داده پردازی
3- 4 عناصر داده کاوی
3- 5 فنون داده کاوی
3- 6 کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی
3- 7 مدیریت و خدمات کتابخانه
3- 8 مدیریت موسسات دانشگاهی
3- 9 تذکرات نهایی
فصل چهارم: کسب و کار هوشمند و داده کاوی
4- 1 مقدمه
4- 2 تکامل تاثیرگذاری داده ها
4- 3 از داده ها تا تصمیم گیری ها
4- 4 مفهوم ذخیره داده ها
4- 5 تعریفی برای داده کاوی
4- 6 کاربردها و عملیات داده کاوی
4- 7 لزوم داده کاوی
4- 8 داده کاوی در مقابل پرس و جوها در پایگاه های داده سنتی
4- 9 الگوریتم های انجمنی
4- 10 تکنیک های مرتبط با داده کاوی
4- 11 ابزارهای داده کاوی
4- 12 درخت های تصمیم گیری
4- 13 داده کاوی - یک مدل و نمونه خلاصه
4- 14 نرم افزار Low end
4- 15 فرآیند داده کاوی
4- 16 نرمال سازی
4- 17 یادگیری داده ها
4- 18 درخت های تصمیم گیری و قواعد تصمیم گیری
4- 19 نتیجه گیری
فصل پنجم: تفاوت داده کاوی و آنالیز های آماری
5- 1 مقدمه
5- 2 روش آنالیز آماری
5- 3 روش داده کاوی
5- 4 فواید و نقش داده کاوی در فعالیت شرکت ها
5- 5 مراحل اصلی داده کاوی
فصل ششم: داده کاوی توزیع شده
6- 1 مقدمه
6- 2 دلایل پیدایش داده کاوی توزیع شده
6- 3 تکنیک ها و رویکردها در داده کاوی توزیع شده
6- 4 عامل ها و داده کاوی توزیع شده
6- 5 داده کاوی و حریم خصوصی
6- 6 کاربردهای داده کاوی
6- 7 تکنیک‌های داده کاوی
6- 8 قوانین انجمنی
6- 9 تشخیص قوانین انجمنی به کمک الگوریتم apriori
6- 10 فرآیند استخراج قوانین وابستگی
Apriori Based DDM Algorithms 11- 6
Count Distribution 12- 6
Data Distribution 13- 6
فصل هفتم: نرم افزار داده کاوی Weka
7-1 مقدمه
7-2 روش استفاده از Weka
3-7 قابلیتهای Weka
4-7دریافت Weka
5-7 مروری بر Explorer
فصل هشتم: نتیجه گیری و ارائه پیشنهادات
منابع
داده کاوی پل ارتباطی میان علم آمار، علم کامپیوتر، هوش مصنوعی، الگوشناسی، فراگیری ماشین و بازنمایی بصری داده می باشد. داده کاوی فرآیندی پیچیده جهت شناسایی الگوها و مدل های صحیح، جدید و به صورت بالقوه مفید، در حجم وسیعی از داده می باشد، به طریقی که این الگو ها و مدل ها برای انسان ها قابل درک باشند.
داده کاوی به صورت یک محصول قابل خریداری نمی باشد، بلکه یک رشته علمی و فرآیندی است که بایستی به صورت یک پروژه پیاده سازی شود.
داده ها اغلب حجیم می باشند و به تنهایی قابل استفاده نیستند، بلکه دانش نهفته در داده ها قابل استفاده می باشد. بنابراین بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدل ها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها و نهایتا تبدیل داده به اطلاعات، روز به روز ضروری تر می شود.
یکی از نمونه های بارز داده کاوی را می توان در فروشگاه های زنجیره ای مشاهده نمود، که در آن سعی می شود ارتباط محصولات مختلف هنگام خرید مشتریان مشخص گردد. فروشگاه های زنجیره ای مشتاقند بدانند که چه محصولاتی با یکدیگر به فروش می روند.
به روشنی این مطلب قابل درک است که این نوع استفاده از داده کاوی می تواند فروشگاه ها را در برگزاری هوشمندانه فستیوال های فروش و نحوه ارائه اجناس به مشتریان یاری رساند.
نمونه دیگر استفاده از داده کاوی در زمینه فروش را می توان در یک شرکت بزرگ دوبلاژ و تکثیر و عرضه فیلم های سینمایی در آمریکای شمالی مشاهده نمود که در آن عملیات داده کاوی ، روابط مشتریان و هنرپیشه های سینمایی و نیز گروه های مختلف مشتریان بر اساس سبک فیلم ها (ترسناک، رمانتیک، حادثه ای و ...) مشخص گردید.
از دیگر زمینه های به کارگیری داده کاوی، استفاده بیمارستانها و کارخانه های داروسازی جهت کشف الگوها و مدل های ناشناخته تاثیر دارو ها بر بیماری های مختلف و نیز بیماران گروه های سنی مختلف را می توان نام برد.
استفاده از داده کاوی در زمینه های مالی و بانکداری به شناخت مشتریان پر خطر و سودجو بر اساس معیارهایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می انجامد.
