فصلنامه تخصصی آرمان پردازش
فصلنامه تخصصی فناوری اطلاعات و ارتباطات

بررسی کاربردهای نوین داده کاوی در صنعت و تجارت

نویسنده

امیررضا صالح زاده

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

10.22034/apj.2022.699803
چکیده
در دنیای فناور محور امروزی عموما در حوزه های کاربردی مختلف همواره با پردازش حجم عظیمی از داده ها، به عنوان یک چالش اساسی روبرو هستیم. لذا، برای چنین پردازش های حجیمی به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، با استفاده از مجموعه وسیعی از الگوریتم‌های مبتنی بر علوم ریاضی و آمار. به طور کلی داده کاوی را می توان نتیجه سیر تکاملی طبیعی فناوری اطلاعات دانست که این سیر نشات گرفته از تکامل صنعت پایگاه داده است. اصلی ترین علت بوجود آمدن علم داده کاوی در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به استخراج دانش و اطلاعات مفید از این داده ها بوده است. به دلیل اهمیت این موضوع، در این مقاله به بررسی اجمالی ابعاد مهم مساله داده کاوی شامل اهداف، کاربردهای نوین داده کاوی در حوزه صنعت و تجارت، مدل ها و ابزارهای مرتبط پرداختیم.

کلیدواژه‌ها

داده کاوی
مدیریت دانش
پردازش توزیعی
پایگاه داده
فناوری اطلاعات

عنوان مقاله English

Investigating Novel Applications of Data Mining in Industry and Business

نویسنده English

A.R Salehzadeh
Department of Computer Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran
چکیده English

 In today's technology-oriented world, we are always faced with the processing of a huge amount of data as a major challenge in various fields of application. Therefore, we need knowledge discovery tools for such massive processing. Data mining is used as an advanced capability in data analysis and knowledge discovery. Data mining is the process of discovering patterns and regular and hidden trends in large and distributed data, using a wide set of algorithms based on mathematical and statistical sciences. In general, data mining can be considered the result of the natural evolution of information technology, which originated from the evolution of the database industry. The main reason for the emergence of data mining science has been the availability of a large amount of data and the strong need to extract useful knowledge and information from these data. Due to the importance of this issue, in this article we reviewed the important aspects of the data mining problem including goals, applications, models and related tools.

کلیدواژه‌ها English

Data Mining
Knowledge Management
Distributed Processing
Database
Informaion Technology
     [1]          Yang, J., Li, Y., Liu, Q., Li, L., Feng, A., Wang, T., ... & Lyu, J. (2020). Brief introduction of medical database and data mining technology in big data era. Journal of Evidence‐Based Medicine, 13(1), 57-69.
     [2]          Dogan, A., & Birant, D. (2021). Machine learning and data mining in manufacturing. Expert Systems with Applications, 166, 114060.
     [3]          Roiger, R. J. (2017). Data mining: a tutorial-based primer. Chapman and Hall/CRC.
     [4]          Baker, R. S. J. D. (2010). Data mining for education. International encyclopedia of education, 7(3), 112-118.
     [5]          Larose, D. T., & Larose, C. D. (2014). Discovering knowledge in data: an introduction to data mining (Vol. 4). John Wiley & Sons.
     [6]          Mughal, M. J. H. (2018). Data mining: Web data mining techniques, tools and algorithms: An overview. International Journal of Advanced Computer Science and Applications, 9(6).
     [7]          Kumar, T. S. (2020). Data mining based marketing decision support system using hybrid machine learning algorithm. Journal of Artificial Intelligence, 2(03), 185-193.
     [8]          Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 10(3), e1355.
     [9]          Ageed, Z. S., Zeebaree, S. R., Sadeeq, M. M., Kak, S. F., Rashid, Z. N., Salih, A. A., & Abdullah, W. M. (2021). A survey of data mining implementation in smart city applications. Qubahan Academic Journal, 1(2), 91-99.
  [10]          Yan, H., Yang, N., Peng, Y., & Ren, Y. (2020). Data mining in the construction industry: Present status, opportunities, and future trends. Automation in Construction, 119, 103331.
  [11]          Jalota, C., & Agrawal, R. (2019, February). Analysis of educational data mining using classification. In 2019 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (COMITCon) (pp. 243-247). IEEE.
  [12]          Shin, D., & Shim, J. (2021). A systematic review on data mining for mathematics and science education. International Journal of Science and Mathematics Education, 19(4), 639-659.
  [13]          Manjarres, A. V., Sandoval, L. G. M., & Suárez, M. S. (2018). Data mining techniques applied in educational environments: Literature review. Digital Education Review, (33), 235-266.
  [14]          Hernández-Nieves, E., Parra-Domínguez, J., Chamoso, P., Rodríguez-González, S., & Corchado, J. M. (2021). A Data Mining and Analysis Platform for Investment Recommendations. Electronics, 10(7), 859.
  [15]          Islam, M. S., Hasan, M. M., Wang, X., Germack, H. D., & Noor-E-Alam, M. (2018, May). A systematic review on healthcare analytics: application and theoretical perspective of data mining. In Healthcare (Vol. 6, No. 2, p. 54). MDPI.
 

صفحه اصلی

ارسال مقاله

داوران

تماس با ما