یادگیری عمیق چیست
مقدمه در چند سال گذشته، هوش مصنوعی (AI) موضوع تبلیغات رسانهای شدیدی بوده است. یادگیری ماشین، یادگیری عمیق و هوش مصنوعی در مقالات بیشماری، اغلب خارج از نشریات با رویکرد فناوری، مطرح میشوند. به ما آیندهای از چتباتهای هوشمند، خودروهای خودران و دستیاران مجازی وعده داده شده است—آیندهای که گاهی در نور تیره و تار […]
کاوش الگوهای متوالی | فصل 5 (بخش چهارم)
مقدمه یک پایگاه داده متوالی شامل توالیهایی از عناصر یا رویدادهای مرتب است که با یا بدون مفهوم مشخصی از زمان ثبت شدهاند. کاربردهای زیادی در زمینه دادههای متوالی وجود دارد. نمونههای معمول شامل توالیهای خرید مشتری، جریانهای کلیک وب، توالیهای بیولوژیکی و توالیهای رویدادها در علوم و مهندسی و در تحولات طبیعی و اجتماعی […]
کاوش الگوی مبتنی بر محدودیت | فصل 5 (بخش سوم)
مقدمه فرآیند کاوش الگو ممکن است هزاران الگو را از یک مجموعه داده مشخص کشف کند، که بسیاری از آنها ممکن است در نهایت بیارتباط یا بیعلاقه برای کاربران باشند. اغلب، کاربر درک خوبی از اینکه کدام «جهت» کاوش ممکن است به الگوهای جالب و «شکل» الگوها یا قوانینی که میخواهد پیدا کند، منجر شود، […]
کاوش الگوهای فشرده یا تقریبی | فصل 5 (بخش دوم)
مقدمه چالش اصلی در کاوش الگوهای پرتکرار، تعداد زیاد الگوهای کشف شده است. استفاده از یک آستانه حداقلی برای کنترل تعداد الگوهای یافت شده، تأثیر محدودی دارد. مقدار خیلی کم میتواند منجر به تولید تعداد زیادی الگوی خروجی شود، در حالی که مقدار خیلی زیاد میتواند منجر به کشف فقط الگوهای رایج شود. برای کاهش […]
کاوش الگو: روشهای پیشرفته | فصل 5 (بخش اول)
مقدمه کاوش الگوهای پرتکرار به دلیل تحقیقات قابل توجه، گسترشهای متعدد دامنه مسئله و مطالعات کاربردی گسترده، فراتر از اصول اولیه رفته است. در این فصل، روشهایی را برای کاوش الگوهای پیشرفته خواهیم آموخت. ابتدا روشهایی را برای کاوش انواع مختلف الگوها، از جمله کاوش الگوهای چندسطحی، الگوهای چندبعدی، الگوهای موجود در دادههای پیوسته، الگوهای […]
کدام الگوها جالب هستند؟ | فصل 4 (بخش سوم)
روشهای ارزیابی الگو اکثر الگوریتمهای کاوش قوانین ارتباط از یک چارچوب پشتیبانی-اطمینان استفاده میکنند. اگرچه حداقل آستانههای پشتیبانی و اطمینان به حذف یا حذف کاوش تعداد زیادی از قوانین غیرجذاب کمک میکنند، اما بسیاری از قوانین تولید شده هنوز برای بسیاری از کاربران جالب نیستند. این امر به ویژه هنگام کاوش در آستانههای پشتیبانی پایین […]
روشهای کاوش مجموعه اقلام پرتکرار | فصل 4 (بخش دوم)
مقدمه در این بخش، روشهایی برای کاوش سادهترین شکل الگوهای پرتکرار، مانند مواردی که برای تحلیل سبد بازار در بخش ۴.۱.۱ مورد بحث قرار گرفت، خواهید آموخت. ما با ارائه Apriori، الگوریتم پایه برای یافتن مجموعه اقلام پرتکرار در بخش ۴.۲.۱، شروع میکنیم. در بخش ۴.۲.۲، به چگونگی تولید قوانین وابستگی قوی از مجموعه اقلام […]
الگوکاوی: مفاهیم و روشهای پایه | فصل 4 (بخش اول)
مقدمه الگوهای پرتکرار، الگوهایی (مثلاً مجموعه اقلام، زیردنبالهها یا زیرساختارها) هستند که به طور پرتکرار در یک مجموعه داده ظاهر میشوند. به عنوان مثال، مجموعهای از اقلام، مانند شیر و نان، که به طور پرتکرار در یک مجموعه داده تراکنش با هم ظاهر میشوند، یک مجموعه اقلام پرتکرار است. یک زیردنباله، مانند خرید اول یک […]
روشهای محاسبه مکعب داده | فصل 3 (بخش پنجم)
مقدمه محاسبه مکعب داده یک کار ضروری در پیادهسازی انبار داده است. پیشمحاسبه تمام یا بخشی از یک مکعب داده میتواند زمان پاسخ را تا حد زیادی کاهش داده و عملکرد پردازش تحلیلی آنلاین را افزایش دهد. با این حال، چنین محاسباتی چالش برانگیز است زیرا ممکن است به زمان محاسباتی و فضای ذخیرهسازی قابل […]
محاسبه مکعب داده | فصل 3 (بخش چهارم)
مقدمه انبارهای داده حاوی حجم عظیمی از دادهها هستند. سرورهای OLAP نیاز دارند که به پرسوجوهای پشتیبانی تصمیمگیری در عرض چند ثانیه پاسخ داده شود. مکعبهای داده هسته انبارهای داده هستند. بنابراین، برای سیستمهای انبار داده بسیار مهم است که از محاسبات، دسترسی و پردازش پرسوجو با کارایی بالا در مکعب داده پشتیبانی کنند. در […]