در این مقاله قصد داریم تا به جایگاه داده کاوی در علوم دیگر بپردازیم. همراه ما باشید.
امروزه با پیشرفت فناوری ها، به ویژه فناوری های مرتبط با اطلاعات و ارتباطات حجم عظیمی از داده ها در حال تولید در شبکه های ارتباطی و اطلاعاتی هستند و یکی از ضرورت های موفقیت های کسب و کارها حتی در مقیاس کوچک، امکان بهره گیری از این اطلاعات و داده هاست. اگر داده ها فقط جمع شوند و بلا استفاده بمانند عملا هدف اصلی از جمع آوری این اطلاعات بر آورده نشده است. گام مهمی که می بایست پس از جمع آوری اطلاعات و داده ها برداشته شود استخراج دانش از اطلاعات و ملموس تر کردن داده های جمع آوری شده برای استنتاج قواعد و نتایج کاربردی است. در مقالات قبل به توضیح عمیق و دقیق داده کاوی و یا Data Mining پرداختیم در واقع Data Mining یعنی فرآیند کشف همبستگی ها، الگو هاو روند های جدید با غربال کردن حجم زیادی از داده های ذخیره شده در مخازن بوسیله ی تکنولوژی های تشخیص الگو و همچنین تکنیک های آماری و ریاضی می باشد به عبارت دیگر داده کاوی به مفهوم استخراج اطلاعات نهان و یا الگو و روابط مشخص در حجم زیادی از داده ها در یک یا چند بانک اطلاعاتی بزرگ است.
اکنون قصد داریم تا به جایگاه داده کاوی در میان علوم مختلف بپردازیم:
ریشه های داده کاوی میان سه خانواده از علوم قابل پیگیری می باشد مهمترین این خانواده ها آمارکلاسیک می باشد. بدون آمار هیچ داده کاوی وجود نخواهد داشت بطوریکه آمار اساس اغلب تکنولوژیی می باشد که داده کاوی بر روی آنها بنا می باشد. دومین خانواده ای که داده کاوی به آن تعلق دارد هوش مصنوعی می باشد. هوش مصنوعی که برپایه روش های ابتکاری می باشد و با آمار ضدیت دارد، تلاش دارد تا فرآیندی مانند فکر انسان را برای حل مسائل آماری بکار بندد.
سومین خانواده ی داده کاوی، یادگیری ماشین می باشد که به مفهوم دقیق تر اجتماع آمار و هوش مصنوعی می باشد.در حالیکه هوش مصنوعی نتوانست موفقیت تجاری کسب کند یادگیری ماشین در بسیاری از موارد جایگزین آن گردید. از یادگیری ماشین به عنوان تحول هوش مصنوعی یاد شد چون مخلوطی از روش های ابتکاری هوش مصنوعی به همراه تحلیل آماری پیشرفته می باشد.
با دیگر مقالات ما در server.ir همراه باشید.
