در سال ۱۹۶۰ آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از دادهها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن دادهها در پایگاه داده اصطلاح داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفتهاند.
داده کاوی چیست؟
سازمان ها برای تصمیم گیری و برنامه ریزی به اطلاعات نیاز دارند، بخش مهمی از این اطلاعات از خود سازمان ناشی می شود، از داده های قبلی و الگوهای عملکرد سازمان استخراج می شوند، داده های خود سازمان نشان دهنده رفتار مشتریان و همکاران و بیان کننده موفقیت یا شکست سازمان در یک عمل خاص هستند.
برای استخراج اطلاعات مفید از میان انبوه حجم داده های ثبت شده باید از فن داده کاوی استفاده کرد.
داده کاوی فنی است که از میان پایگاه داده سازمان، به دنبال الگوهای پنهان در میان داده ها، ارتباط میان آنها، روند و الگوی آنها می گردد. داده کاوی از توابع و الگوریتم های پیشرفته ریاضی استفاده می کند تا ارتباط میان دو دسته از داده و امکان رخ دادن یک نتیجه را در آینده پیش بینی کند.
محتویات پکیج داده کاوی:
- این بسته شامل 34 مقاله در رابطه با داده کاوی می باشد(24 مقاله انگلیسی و 10 مقاله فارسی).
اکثر قریب به اتفاق مقالات لاتین از پایگاه های معتبری مانند science direct جمع آوری شده است.
- آموزش نرم افزار داده کاوی Weka به همراه یک نمونه فایل برای درس داده کاوی
- مقاله مروری به همراه ترجمه در رابطه با "Application of data mining techniques in customer relationship management:
A literature review and classification"
- پایان نامه فارسی در مورد "داده کاوی در مدیریت ارتباط با مشتری"
- جزوه داده کاوی دکتر جمال شهرابی (شامل 5 فایل پاورپوینت بصورت مجزا)
- عناصر، فنون و کاربرد داده کاوی
- کتاب داده کاوی با عنوان Data Mining for Business Applications
- جزوه داده کاوی دکتر کاظمی (pdf)
- پایان نامه کارشناسی ارشد مهندسی صنایع "پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی"
- پروژه داده کاوی با نرم افزار کلمنتاین,Clementine (به همراه پرسشنامه(world) و فایلهای نرم افزاری)
داده کاوی،دانلود پکیج کامل داده کاوی Data Mining