چالش کیفیت آموزش عالی در ایران زمینه کاوی تاریخی

اختصاصی از فی توو چالش کیفیت آموزش عالی در ایران زمینه کاوی تاریخی دانلود با لینک مستقیم و پر سرعت .

چالش کیفیت آموزش عالی در ایران

زمینه کاوی  تاریخی

31صفحه

بحث کیفیت برای دانشگاه و آموزش عالی در جهان، به یک جهت از نیمه دوم قرن بیستم بویژه حوالی دهه 80 شدت گرفته است. چرا که علت وجودی دانشگاه و آموزش عالی (بر اثر عواملی مانند شرایط رقابتی، بازتعریف نقش دولت، جهانی شدن ظهور اقتصاد و دانش و ....) عمیقاً در حال تحول بود و می‌بایستی اهداف خود را (بویژه با توجه به تحولات علمی در عصر فناوری اطلاعات و ارتباطات و تقاضاهای نوپدید جهان کار)، از نو تعریف بکند و جور بودن عملکردش را با این اهداف، به طور مداوم  پایش و ارزیابی بکند.  (Brennan and Shah, 2000, 20-24)

اما از یک جهت، نگرانی کیفیت در دانشگاه و آموزش عالی به معنای عامّ آن، قدمتی به درازای خود دانشگاه دارد. چرا که آموزش عالی بنابر سرشت آن، فعالیتی پیچیده و انتقادی است و کیفیت تحقیق، تدریس، زندگی علمی، موفقیت دانشجو، قابلیت‌های دانش‌آموخته و ... در آن پیوسته مورد سؤال بود و به انحای مختلف در معرض ارزشیابی قرار می‌گرفت. به همین جهت دانشگاهها دارای سنتهای ارزشیابی خاص خود بودند. مانند سنّت دیرینة امتحان بیرونی و ممیزی برنامه‌ها توسط همتایان در انگلستان (Husband and Patricia, 1993)، تاریخچه متجاوز از یکصد سالة اعتبارسنجی در ایالات متحده (CHEA, 2006) سابقة چند دهه اعتبارسنجی در ژاپن (JUAA, 2005) و ....

در آموزش عالی ایران، چنین سازوکارهایی به صورت نظام مطلوب و مؤثری، استقرار و توسعه نیافته است. شاید یک علت عمده، این بود که آموزش عالی در ایران، در درون دولت به وجود آمد و حتی به یک تعبیر می‌توان گفت که ما دانشگاه را نیز مثل تکنولوژی، خریده‌ایم و به همین دلیل دانشگاه در ایران از داشتن سنتهای ریشه‌دار، پویایی‌های درونزا و آزادی و ابتکار عمل لازم برای ارزیابی کیفیت و خود – تنظیمی محروم ماند. هر چند تأسیس مدارس عالیه و سپس دانشگاه تهران را می‌توان جزوی از جنبش تجددخواهی اواخر قاجار و آغاز دوره پهلوی در ایران تلقی کرد*  ؛ولی از یک سو، الگوی نوسازیِ «بیش از اندازه عمودی، دولتی و از بالا به پایین» بر این تجددخواهی سایه‌انداز بود و از سوی دیگر برای برخی از مدیران دولت، دانشگاه، بیش از اینکه نمادی از یک مفهوم و رویکرد مدرن به عالم و آدم باشد، یک «ساختمان» بود. تأملی در مذاکرات کابینه و اظهارات ردّ و بدل شده در آن، حاکی از آن است که برخی، واژة «یونیورسیته» را به عنوان عمارتی به کار می‌بردند که خوب است در کنار عمارتهای دیگر، در باغ جلالیه تهران ساخته بشود. عمارتی که نقشه‌اش از کلمبیا گرفته شده بود. (صدیق، 1352، 31-39)

*  حاملان این جنبش، گروهها و نخبگان جدید فرهنگی، اجتماعی و سیاسی بودند. کسانی چون صنیع‌الدوله، دولت‌آبادی، حسن و حسین پیرنیا، ابوالحسن و محمدعلی فروغی، داور، صدیق، شفق، رهنما، افشار و سیاسی، فرصتی برای حضور در مراکز تصمیم‌سازی پیدا کردند و هر یک به نوعی، تغییر و نوسازی کشور را وساطت و میانجیگری کردند. عیسی صدیق از محصلین اعزامی به اروپا در سال 1289 و دورة مشروطه بود و بعدها همو در وزارت معارف، طرح تأسیس دانشگاه تهران را به رسالة دکترای خود با عنوان «ایران مدرن و نظام آموزشی آن» ضمیمه کرد و همان طور که از این عنوان برمی‌آید، تأسیس دانشگاه جزو پروژة نوسازی ایران، تلقی می‌شد (صدیق، 1354، 372)

دانلود تحقیق وب کاوی در صنعت

اختصاصی از فی توو دانلود تحقیق وب کاوی در صنعت دانلود با لینک مستقیم و پر سرعت .

چکیده :
با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس‌های وب می پردازد. در واقعوب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند.  طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.
 

شامل 58 صفحه word

تکنیک‌ها، ابزارها و روش‌های Web Data Mining وب کاوی

اختصاصی از فی توو تکنیک‌ها، ابزارها و روش‌های Web Data Mining وب کاوی دانلود با لینک مستقیم و پر سرعت .

پایان نامه  پروژه  

تکنیک‌ها، ابزارها و روش‌های Web Data Mining

فایل  ورد قایل ویرایش 

125صفحه  ورد word 

فقط  9000تومان 

چکیده

در عصر حاضرWeb Mining  محیط اینترنت جهانی را تبدیل به محیطی کاربردی‌تر کرده است. که کاربران می‌توانند سریع‌تر و راحت‌تر اطلاعات مورد نیازشان را پیدا کنند که شامل : کشف و تحلیل داده، مستندات وmulti media  از محیط اینترنت جهانی می‌باشد.Web Mining  از جزئیات سند و محتویات سند و ساختار Hyper Link برای کمک به کاربر جهت مشاهده اطلاعات مورد نیازش استفاده می‌کند.

وب و موتورهای جستجو خودشان شامل اطلاعات ارتباطی درباره‌ی مستندات هستند وWeb Mining  این ارتباطات را کشف می‌کند و به سه بخش تقسیم بندی می‌نماید.

در اولین بخش Web Content Minin، موتورهای جستجو محتویات را با کلمات کلیدی تعریف می‌کنند و می‌شناسند. پیدا کردن کلمات کلیدی محتوا و پیدا کردن یک ارتباط بین محتوای صفحه‌ی وب و محتوای سوال کاربر، Content Mining گفته می‌شود.

Hyper Links اطلاعاتی را درباره‌ی سایر مستندات روی وب که در سند دیگری مهم هستند تهیه می‌کند. این لینک‌ها عمقی را به سند اضافه می‌کنند و حالت چند بعدی که از خصوصیات وب است ایجاد می‌کنند. کاوش این ساختار لینک دومین بخش یعنیWeb Structure Mining  است.

در نهایت ارتباطی با سایر مستندات روی وب که به وسیله‌ی جستجوی قبلی شناخته شده‌اند، وجود دارد. این ارتباط در صفحه‌های جستجو (log) و دستیابی ذخیره می‌شود. کاوش این Log ها سومین بخش یعنی Web Usage Mining را تشکیل می‌دهد.

درک کاربر اغلب یک بخش مهم از Web Mining است. تحلیل جستجوهای قبلی کاربر، شکلی که کاربر ترجیح می‌دهد اطلاعات پیدا شده را ببیند و سرعت در پاسخ ممکن است در پاسخ دادن به پرس و جوی کاربر موثر باشد.

Web Mining در ماهیت نظم خاصی دارد. پل زدن بین فیلدهایی مثل اطلاعات بازگشتی، پردازش زبان‌های طبیعی، استخراج اطلاعات، Machine Learning، پایگاه داده، داده کاوی، ذخیره‌ی داده، طراحی رابط کاربر و Visual کردن.

در این تحقیق ما به بررسی جنبه‌های مختلفWeb Data Mining  می‌پردازیم.

فهرست مطالب

فصل اول داده کاوی و وب 1

مقدمه. 2

1-1 کاوش داده روی وب... 3

1-2 الگوهای USAGE MINING.. 7

1-3 Web Structure Mining. 8

1-4 در خواست‌ها و جهت‌ها 10

1-5 خلاصه 11

فصل دوم پردازش‌ها و تکنیک‌های web data mining 12

 مقدمه 13

2-1 پردازش web data mining 13

2-2 چرا data mining web؟ 16

2-2-1 مراحل :Data mining 18

2-2-2 چالش‌ها 20

2-3 جنبه‌های واسط کاربر. 21

2-4 خروجی‌ها، متدها و تکنیک‌های web data mining   22

2-4-1 خروجی‌های data mining web 24

2-4-2 پیاده سازی‌های data mining web 27

2-5 data mining در مقابل data mining web   29

2-6 خلاصه 31

فصل سوم کاوش پایگاه داده‌های وب 32

مقدمه 33

3-1 مفهوم کلی جستجوی پایگاه داده‌های وب 33

3-2 توابع مدیریت پایگاه دادة وب و داده کاوی.. 34

3-3 اشتراک داده در مقابل داده کاوی در وب 36

3-4 کاوش پایگاه‌های دادة نیمه ساخت یافته 38

3-5 Web mining و Meta data 43

3-6 کاوش پایگاه داده‌های توزیع شده، ناهمگن، وراثتی و متحد در وب: 48

3-7 معماری‌ها و web data mining 58

3-8 خلاصه 61

فصل چهارم بازیابی اطلاعات و داده کاوی در وب 62

مقدمه 63

4-1 موتورهای جستجوگر. 63

4-2 web data mining برای موتورهای جستجو 65

4-3 پویش داده‌های چندگانه وب 68

4-4 کاوش متن 68

4-5 کاوش تصویر. 72

4-6 کاوش ویدئو 75

4-7 کاوشAudio 77

4-8 کاوش نوع داده‌ی چند رسانه‌ای 79

4-9 سیستم سوال/جواب و داده کاوی وب 82

4-10 زبانهایMark up و داده کاوی وب... 84

4-11 خلاصه 85

فصل پنجم مدیریت اطلاعات و داده کاوی وب... 86

مقدمه 87

5-1 Collaborative- Data mining: 87

5-2 مدیریت دانش‌ها و داده کاوی وب... 89

5-3 محاسبات بی‌سیم و داده کاوی وب... 91

5-4 کیفیت سرویس و داده کاوی وب... 93

5-5 خلاصه 95

فصل ششم کاوش الگوهای کاربردی و ساختار روی وب... 97

مقدمه 98

6-1 خروجی‌ها و تکنیک‌های web usage mining. 99

6-2 تحلیل web usage mining   101

6-3 CRM و کاربردهای تجارت هوشمند 103

6-4 کاوش ساختار روی وب 109

نتیجه گیری.. 111

مراجع 114

فهرست اشکال

فصل اول

شکل 1-1 طبقه بندی Web mining 3

شکل 1-2 : داده کاوی در وب 4

شکل 1-3 Web mining روی پایگاه داده‌ی رابطه‌ای 5

شکل 1-4 : داده کاوی چند رسانه‌ای 5

شکل 1-5 : انبار داده و کاوش در اینترنت... 6

شکل 1-6 : داده کاوی و visualization در اینترنت 7

شکل 1-7 : تحلیل الگوهای بکار رفته و پیش بینی رفتارها 8

شکل 1-8 : کاوش الگو 9

شکل 1-9 : وب کاوی در E-Commerce 10

شکل 1-10: وب کاوی برای موتورهای جستجو. 11

فصل دوم

شکل 2-1: برخی نواحی کاربرد data mining. 16

شکل 2-2: چرا data mining web؟ 17

شکل 2-3: مراحل جستجو. 19

شکل 2-4: پردازش روی نتایج.. 20

شکل 2-5 : برخی چالش‌های Data mining 21

شکل 2-6: مثالی از یک واسط کاربر برای جستجو. 22

شکل 2-7 : وظایف، تکنیک‌ها و روش‌های data mining. 24

شکل 2-8 : خروجی‌های data mining. 26

 شکل 2-9 : برخی پیاده سازی‌های data mining web 28

 شکل 2-10: تکنیک‌های web mining برای E- commerce 30

فصل سوم

شکل 3-1 : جستجو در پایگاه داده‌ها در وب 33

شکل 3-2: مکانیابی و وساطت برای کاوش در پایگاه دادة روی وب. 34

شکل 3-3: داده کاوی شیئی رابطه‌ای.. 35

شکل 3-4: توابع پایگاه داده وب و کاوش.... 36

شکل 3-5 : داده کاوی متحد شده : پیاده سازی I 37

شکل 3-6 : داده کاوی متحد شده: پیاده سازی II 37

شکل 3-7 : اتصال قوی بین داده کاو و DBMS. 39

شکل 3-8 : اتصال ضعیف بین داده کاو و DBMS. 39

شکل 3-9 : استخراج ساختار و سپس کاوش.... 40

شکل 3-10 : کاوش و سپس ادغام. 40

شکل 3-11: داده کاو مشابه یک واسط در یک ارتباط ضعیف DBMS نیمه ساخت یافته. 41

شکل 3-12: مخزن داده بر پایة XML: پیاده سازی 1. 42

شکل 3-13 : مخزن داده بر پایة XML : پیاده سازی 2. 42

شکل 3-14 : کاوش مخازن وب... 43

شکل 3-15: متادیتای استفاده شده در داده کاوی........................................................................................ 44

شکل 3-16: کاوش متادیتا 44

شکل 3-17: انبار و کاوش.... 45

شکل 3-18: متادیتا برای کاوش چند رسانه‌ای.. 46

شکل 3-19: متادیتا برای web mining 46

شکل 3-20 : متادیتا یک انبار مرکزی برای کاوش 47

شکل 3-21: پردازش و کاوش توزیع شده 48

شکل 3-22 : ماژول‌هایی از DP برای داده کاوی 49

شکل 3-23: مثال داده کاوی توزیع شده 49

شکل 3-24: داده کاوی روی پایگاه داده توزیع شده 50

شکل 3-25: داده کاوی روی منابع دادة نا همگن.. 51

شکل 3-26: کاوش و سپس اجتماع 51

شکل 3-27: کاوش interoperating و مخزن 52

شکل 3-28: عامل‌های داده کاوی اجتماعی 53

شکل 3-29: همکاری میان عامل‌های کاوش 53

شکل 3-30: سیستم‌ها کاوش را روی پایگاه دادة اشتراکی انجام می‌دهند. 54

شکل 3-31: واسط برای مجتمع سازی.. 55

شکل 3-32: مهاجرت و سپس کاوش.... 56

شکل 3-33: کاوش پایگاه داده‌های وراثتی.. 56

شکل 3-34: استخراج الگو از پایگاه داده‌ها وراثتی.. 57

 شکل 3-35: معماری 5 مرحله‌ای برای داده کاوی متحد. 58

شکل 3-36: معماری سه ردیفه داده کاو 59

شکل 3-37: encaps lation ماژول‌های داده کاوی مثل اشیاء 59

شکل 3-38: push/ pull و داده کاوی (یک مثال) 60

شکل 3-39: داده کاوی، سرورهای داده و سرورهای کاربردی.. 60

فصل چهارم

شکل 4-1 : موتورهای جستجو و وب سرورها 64

شکل 4-2 : ماژول‌های موتورهای جستجو. 64

شکل 4-3 : اتصال قوی بین وب کاو و موتور جستجو. 67

شکل 4-4 : ارتباط ضعیف بین موتور جستجو و وب کاو 67

شکل 4-5 : تبدیل دادۀ نا ساخت یافته به دادۀ ساخت یافته برای کاوش.... 69

شکل 4-6 : تکمیل سیستم بازیابی اطلاعات 70

شکل 4-7 : کاوش مستقیم روی داده‌های غیر ساخت یافته. 70

شکل 4-8 : طبقه بندی کاوش متن.. 72

شکل 4-9 :کاوش تصویر. 73

شکل 4-10: طبقه‌بندی کاوش تصویر. 74

شکل 4-11 : کاوش متن استخراج شده از داده با فرمت ویدئو. 76

شکل 4-12 : کاوش مستقیم داده با فرمت ویدئو. 76

شکل 4-13 : طبقه بندی کاوش ویدئو. 77

شکل 4-14 : کاوش متن استخراج شده از داده با فرمت صدا 77

شکل 4-15 : کاوش مستقیم داده با فرمت صدا 78

شکل 4-16 : طبقه بندی کاوش صدا 79

شکل 4-17 : کاوش و سپس اجتماع 80

شکل 4-18 : اجتماع و سپس کاوش 81

شکل 4-19 : کاوش داده‌ی چند رسانه‌ای 82

شکل 4-20 : سیستم سوال/ جواب + موتور جستجو + وب کاو 84

 شکل 4-21 : ارتباط قوی بین پایگاه داده‌ی XML و داده / وب کاو 85

شکل 4-22 : ارتباط ضعیف بین پایگاه داده‌ی XML و داده / وب کاو 85

فصل پنجم

شکل 5-1 : همکاری بین عامل‌های کاوش 87

 شکل 5-2 : همکاری تیم‌ها در استفاده از پایگاه داده‌های مشترک برای کاوش 88

شکل 5-4 : مدیریت دانش و داده کاوی وب 90

شکل 5-5 : آموزش و داده کاوی وب 91

شکل 5-6 : مدیریت اطلاعات بی سیم و داده کاوی وب... 93

 شکل 5-7 : Qos  و داده کاوی وب 94

شکل 5-8 : اجتماع سرویس‌های وب و داده کاوی.. 95

فصل ششم

شکل 6-1 : تحلیل الگوهای کاربردی و روندهای پیش‌بینی 98

 شکل 6-2: خروجی‌ها و تکنیک‌های داده کاوی 101

شکل 6-3: انواع تحلیل.. 103

شکل 6-4 : web mining برای e-commerce. 108

شکل 6-5 : بازبینی web structure mining. 109

شکل 6-6: خروجی‌های web structure mining. 110

دانلودتحقیق درباره داده کاوی

اختصاصی از فی توو دانلودتحقیق درباره داده کاوی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه:32

جهان پیرامون ما سرشار از داده ها و اطلاعات گوناگون می‌باشد. برای پیش بینی گرایشات و جریان های آتی و به منظور اتخاذ تصمیم گیری بهتر در زمینه علوم، تکنولوژی ، صنعت، بازار وغیره.

انسان همواره با اشتیاقی حریصانه به دنبال کشف دانش از این موداب داده ها بوده است. قدیمی ترین دست نوشت ها کشف شده بر روی لوح های گلی مربوط به چهار قرن قبل از میلاد مسیح می‌باشد. با ساخت کاغذ داده های فراوانی بر روی هزاران جلد کتاب وسایر مستندات دیگر وغیره شد.

امروزه نیز با افزایش روز افزون کاربرد کامپیوتر ها حجم عظیمی از داده ها دیسک های سخت را به صورت اطلاعات دیجیتالی پر کرده اند. با دراختیار داشتن حجم عظیم داده ها مساله اصلی چگونگی یا فتن جمع‌آوری و به کارگیری روش هایی است که بتوان آنها را در کشف دانش از داده ها  و به کارگیری دانش کشف شده در موارد مختلف به کار گرفت.

اگر چه در دهه های اخیر زمینه جدید با عنوان داده کاوی به رواج یافته است ولی عملکردها و وظایف این علم مثل دسته بندی و جداسازی، از سالها پیش وجودداشته و به کار گرفته می شده اند. با توجه به اینکه هدف داده کاوی کشف الگوهای ناشناخته از داده ها می‌باشد روش های این علم از آموزش ماشین،هوش مصنوعی، آمار وغیره مشتق شده اند. با گسترش این علم روش های داده کاوی در زمینه هایی خارج از علوم کامپیوتر وهوش مصنوعی همچون دنیای تجارت وخطوط مونتا کارخانه ها نیز به کار گرفته شد.

بدین ترتیب قابلیت های داده کاوی در زمینه هایی چون افزایش رقابت در بازار تجاری تشخیص کلاه برداری، تشخیص بیماریها با توجه به مدارک پزشکی وغیره نیز مورد آزمایش قرار گرفت و به اثبات رسید.

دانلود پاورپوینت داده کاوی

اختصاصی از فی توو دانلود پاورپوینت داده کاوی دانلود با لینک مستقیم و پر سرعت .

از هنگامی که رایانه در تحلیل و ذخیره سازی داده ها بکار رفت (1950) پس از حدود 20 سال، حجم داده ها در پایگاه داده ها دو برابر شد. ولی پس از گذشت دو دهه و همزمان با پیشرفت فن آوری اطلاعات(IT)  هر دو سال یکبار حجم داده ها، دو برابر شد. همچنین تعداد پایگاه داده ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده ها و آمارشناسان با این سرعت رشد نکرد. حتی اگر چنین امری اتفاق می افتاد، بسیاری از پایگاه داده ها چنان گسترش یافته اند که شامل چندصد میلیون یا چندصد میلیارد رکورد ثبت شده هستند و امکان تحلیل و استخراج اطلاعات با روش های معمول آماری از دل انبوه داده ها مستلزم چند روز کار با رایانه های موجود  است. حال با وجود سیستم های یکپارچه اطلاعاتی، سیستم های یکپارچه بانکی و تجارت الکترونیک، لحظه به لحظه به حجم داده ها در پایگاه داده های مربوط اضافه شده و باعث به وجود آمدن انبارهای عظیمی از داده ها شده است به طوری که ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه داده ها را بیش از پیش نمایان کرده است .

چنان که در عصر حاضر گفته می شود « اطلاعات طلاست»

داده کاوی و کشف دانش در پایگاه داده ها از جمله موضوع هایی هستند که همزمان با ایجاد و استفاده از پایگاه داده ها در اوایل دهه 80 برای جستجوی دانش در داده ها شکل گرفت.

   شاید بتوان لوول (1983) را اولین شخصی دانست که گزارشی در مورد داده کاوی تحت عنوان   « شبیه سازی فعالیت داده کاوی » ارائه نمود. همزمان با او پژوهشگران و متخصصان  علوم رایانه، آمار، هوش مصنوعی، یادگیری ماشین و . . . نیز به پژوهش در این زمینه و زمینه های مرتبط با آن پرداخته اند.

عبارت داده کاوی مترادف با یکی از عبارت های استخراج دانش، برداشت اطلاعات، وارسی داده ها و حتی لایروبی کردن داده هاست که در حقیقت کشف دانش در پایگاه داده ها[1] (KDD ) را توصیف می کند. بنابراین ایده ای که مبنای داده کاوی است یک فرآیند با اهمیت از شناخت الگوهای بالقوه مفید، تازه و درنهایت قابل درک در داده هاست.

اصطلاح داده کاوی را آمار شناسان، تحلیل گران داده ها و انجمن سیستم های اطلاعات مدیریت به کار برده اند در حالی که پژوهشگران یادگیری ماشین و هوش مصنوعی از KDD بیشتر استفاده می کنند.

داده کاوی در حقیقت کشف ساختارهای جالب توجه، غیر منتظره و با ارزش از داخل مجموعه وسیعی از داده ها می باشد و فعالیتی است که اساساً با آمار و تحلیل دقیق داده ها منطبق است» هند (1998)

« داده کاوی فرآیند کشف رابطه ها، الگوها و روندهای جدید معنی داری است که به بررسی حجم وسیعی از اطلاعات ذخیره شده در انبارهای داده با فناوری های تشخیص الگو( مانند ریاضی و آمار) می پردازد».

شامل 32 اسلاید powerpoint