متن کاوی (پردازش زبان طبیعی، بازیابی اطلاعات، یادگیری ماشین) + کاربردها
Text Mining (Natural Language Processing, Information Retrieval, Machine Learning) + Applications of text mining
I have summarized several concepts of Knowledge Management. Besides, I have provided a case study about the performance of Knowledge Management in a company.
This presentation is intended for giving an introduction to Genetic Algorithm. Using an example, it explains the different concepts used in Genetic Algorithm. If you are new to GA or want to refresh concepts , then it is a good resource for you.
جایگاه داده ها در جهان هستی
سرفصلها
جهان هستی: مجموعه ای پویا و تعاملی متشکل از موجودیتها، رخدادها و روابط میان آنها
آنچه به این جهان زندگی می بخشد و ارتباط میان موجودیتها را برقرار می کند، در درجه نخست، نشانه ها یا محرکهای حسی از محیط پیرامونی است.
ارتباط موجودات زنده در تعامل با جهان هستی از طریق سیستم عصبی و دریافت و پردازش نشانه ها (محرکهای حسی) برقرار می گردد.
این نشانه ها درواقع دادهها هستند که، پس از دریافت، در سیستم عصبی پردازش و ذخیره می شوند تا در فرایند تبدیل به اطلاعات و دانش برای راهبری زندگی قرار گیرند.
متن کاوی (پردازش زبان طبیعی، بازیابی اطلاعات، یادگیری ماشین) + کاربردها
Text Mining (Natural Language Processing, Information Retrieval, Machine Learning) + Applications of text mining
I have summarized several concepts of Knowledge Management. Besides, I have provided a case study about the performance of Knowledge Management in a company.
This presentation is intended for giving an introduction to Genetic Algorithm. Using an example, it explains the different concepts used in Genetic Algorithm. If you are new to GA or want to refresh concepts , then it is a good resource for you.
جایگاه داده ها در جهان هستی
سرفصلها
جهان هستی: مجموعه ای پویا و تعاملی متشکل از موجودیتها، رخدادها و روابط میان آنها
آنچه به این جهان زندگی می بخشد و ارتباط میان موجودیتها را برقرار می کند، در درجه نخست، نشانه ها یا محرکهای حسی از محیط پیرامونی است.
ارتباط موجودات زنده در تعامل با جهان هستی از طریق سیستم عصبی و دریافت و پردازش نشانه ها (محرکهای حسی) برقرار می گردد.
این نشانه ها درواقع دادهها هستند که، پس از دریافت، در سیستم عصبی پردازش و ذخیره می شوند تا در فرایند تبدیل به اطلاعات و دانش برای راهبری زندگی قرار گیرند.
جایگاه داده ها در جهان هستی
جهان هستی: مجموعه ای پویا و تعاملی متشکل از موجودیتها، رخدادها و روابط میان آنها
آنچه به این جهان زندگی می بخشد و ارتباط میان موجودیتها را برقرار می کند، در درجه نخست، نشانه ها یا محرکهای حسی از محیط پیرامونی است.
ارتباط موجودات زنده در تعامل با جهان هستی از طریق سیستم عصبی و دریافت و پردازش نشانه ها (محرکهای حسی) برقرار می گردد.
این نشانه ها درواقع دادهها هستند که، پس از دریافت، در سیستم عصبی پردازش و ذخیره می شوند تا در فرایند تبدیل به اطلاعات و دانش برای راهبری زندگی قرار گیرند.
Data, DIKW, big data& data science
Gu Jifaa,Zhang Linglingb
استاد: جناب آقای دکتر شقاقی
ترجمه: فاطمه ذات عجم
دانشجوی کارشناسی ارشد علم اطلاعات شهید بهشتی
این کتاب تمامی جنبه های مهم روش تحقیق را در بر می گیرد، در اینجا مطالبات خاص دانشجویان مهندسی از جمله روش ها و ابزارها با جزئیات بسیار دقیق مورد بحث قرار گرفته و به تحقیقات مؤثر در مهندسی مدرن می پردازد، که توانایی تجزیه و تحلیل محتویات ضمن استفاده از بانکهای مختلف اطلاعاتی، دانش مربوط به استفاده موثر از مطالب، اعتبارسنجی آنها، رعایت قوانین معنوی مطالب دیگران همراه با حفظ اخلاق در تحقیقات و موارد دیگر بیش از پیش احساس می گردد. در این کتاب همچنین به مهارت های نرم مانند مدیریت تحقیق و برنامه ریزی، نحوه برخورد با انتقادات نسبت به مهارت های تحقیق و ارائه که همگی از اهمیت بالایی برخوردار بوده و باید به عنوان بخشی از روش تحقیق مورد توجه قرار گیرد، بحث می شود. این مجموعه شامل ویژگی های متمایزی از دانش فنی مورد نیاز برای ثبت اختراعات در دانشگاه هاست که در قالب یک ویژگی مهم در روش تحقیق، در اکثر کتب روش شناسی تحقیق مورد بررسی قرار نمی گیرد. اصول تحقیق در زمینه های مختلف مهندسی باید شامل روش ها و وسایل مطالعه فنی باشد. این کتاب برای دانشجویان دکتری در هندوستان و آسیای جنوب شرقی آسیا توصیه می شود، چرا که روش تحقیق بخشی از روند پیش روی ایشان می باشد.
معمولا نخستین رفتار انسان در طی حل یک مسأله، شناساییِ آن مسأله، شناساییِ دادههای آن مسأله و شناساییِ راههای سادهسازی آن مسأله میباشد. راههای متعددی برای شناسایی موضوع وجود دارد که یکی از آنها یادگیری از تجربیات خود یا دیگر انسانها میباشد.
از طرفی عمل یادگیری، به دو نوع تقسیم میشود:
1- یادگیری با نظارت
2- یادگیری بدون نظارت
در دسته یادگیری با نظارت، میتوان از روش طبقهبندی یاد کرد و برای یادگیری بدون نظارت از روش خوشهبندی نام برده میشود.
1-1-1-تفاوت های خوشهبندی و طبقهبندی
اگر بخواهیم تفاوتهای بین خوشهبندی و طبقهبندی دادهها را بررسی کنیم موارد زیر قابل ذکر هستند:
1-مسلما اولین تفاوت، این است که طبقهبندی یک مسئله با یادگیری با نظارت بوده اما خوشهبندی یک یادگیری بدون نظارت است.
2-طبقهبندی یک نوع یادگیری بر پایه مثال بوده در حالی که خوشهبندی یادگیری بر پایه مشاهده میباشد.
3-در طبقهبندی هم داده ورودی و هم خروجی هدف مشخص است و بقیه دادهها بر همین اساس طبقهبندی میشوند، ولی در خوشهبندی فقط ورودیها وجود داشته و بر اساس شباهتهای بین ورودیها باید آنها را خوشهبندی کرد.
آنچه که در پروژه ما مورد استفاده قرار گرفت روش خوشهبندی است که بر همین اساس به معرفی آن خواهیم پرداخت.
منظور از روش تحقیق یک فرآیند نظام مند برای یافتن پاسخ یک پرسش یا راه حل یک مساله است.
تحقيق را به عنوان كوششي منظم جهت فراهم نمودن پاسخ يا پاسخهايي به سؤالات مورد نظر تعريف كردهاند.
مهناز تسلیمی
جستجو پیشرفته منابع علمی | ویژه دانشجویان شیمیArzhin
کارگاه آموزشی جستجو پیشرفته منابع علمی ویژه دانشجویان رشته شیمی | مدرس : مهندس حسین بابائی
این کارگاه در تاریخ 3 دی 94 در موسسه فناوران جوان خزر برگزار گردید.
۱- آشنایی با انواع اطلاعات و پایگاه های داده
۲- جستجوی موثر با کلیدواژه ها
۳- معرفی موتور های جستجوی مقالات و اسناد آکادمیک ( جستجوی عملی و تحلیل نتایج )
۴- جستجو در پایگاه های تخصصی رشته شیمی
۵- چگونه مجلات و کنفرانس های مناسب و معتبر پیدا کنیم ؟
۶- ساختار پتنت و نحوه جستجوی آن
۷- آموزش دانلود مقالات و کتاب
جایگاه داده ها در جهان هستی
جهان هستی: مجموعه ای پویا و تعاملی متشکل از موجودیتها، رخدادها و روابط میان آنها
آنچه به این جهان زندگی می بخشد و ارتباط میان موجودیتها را برقرار می کند، در درجه نخست، نشانه ها یا محرکهای حسی از محیط پیرامونی است.
ارتباط موجودات زنده در تعامل با جهان هستی از طریق سیستم عصبی و دریافت و پردازش نشانه ها (محرکهای حسی) برقرار می گردد.
این نشانه ها درواقع دادهها هستند که، پس از دریافت، در سیستم عصبی پردازش و ذخیره می شوند تا در فرایند تبدیل به اطلاعات و دانش برای راهبری زندگی قرار گیرند.
Data, DIKW, big data& data science
Gu Jifaa,Zhang Linglingb
استاد: جناب آقای دکتر شقاقی
ترجمه: فاطمه ذات عجم
دانشجوی کارشناسی ارشد علم اطلاعات شهید بهشتی
این کتاب تمامی جنبه های مهم روش تحقیق را در بر می گیرد، در اینجا مطالبات خاص دانشجویان مهندسی از جمله روش ها و ابزارها با جزئیات بسیار دقیق مورد بحث قرار گرفته و به تحقیقات مؤثر در مهندسی مدرن می پردازد، که توانایی تجزیه و تحلیل محتویات ضمن استفاده از بانکهای مختلف اطلاعاتی، دانش مربوط به استفاده موثر از مطالب، اعتبارسنجی آنها، رعایت قوانین معنوی مطالب دیگران همراه با حفظ اخلاق در تحقیقات و موارد دیگر بیش از پیش احساس می گردد. در این کتاب همچنین به مهارت های نرم مانند مدیریت تحقیق و برنامه ریزی، نحوه برخورد با انتقادات نسبت به مهارت های تحقیق و ارائه که همگی از اهمیت بالایی برخوردار بوده و باید به عنوان بخشی از روش تحقیق مورد توجه قرار گیرد، بحث می شود. این مجموعه شامل ویژگی های متمایزی از دانش فنی مورد نیاز برای ثبت اختراعات در دانشگاه هاست که در قالب یک ویژگی مهم در روش تحقیق، در اکثر کتب روش شناسی تحقیق مورد بررسی قرار نمی گیرد. اصول تحقیق در زمینه های مختلف مهندسی باید شامل روش ها و وسایل مطالعه فنی باشد. این کتاب برای دانشجویان دکتری در هندوستان و آسیای جنوب شرقی آسیا توصیه می شود، چرا که روش تحقیق بخشی از روند پیش روی ایشان می باشد.
معمولا نخستین رفتار انسان در طی حل یک مسأله، شناساییِ آن مسأله، شناساییِ دادههای آن مسأله و شناساییِ راههای سادهسازی آن مسأله میباشد. راههای متعددی برای شناسایی موضوع وجود دارد که یکی از آنها یادگیری از تجربیات خود یا دیگر انسانها میباشد.
از طرفی عمل یادگیری، به دو نوع تقسیم میشود:
1- یادگیری با نظارت
2- یادگیری بدون نظارت
در دسته یادگیری با نظارت، میتوان از روش طبقهبندی یاد کرد و برای یادگیری بدون نظارت از روش خوشهبندی نام برده میشود.
1-1-1-تفاوت های خوشهبندی و طبقهبندی
اگر بخواهیم تفاوتهای بین خوشهبندی و طبقهبندی دادهها را بررسی کنیم موارد زیر قابل ذکر هستند:
1-مسلما اولین تفاوت، این است که طبقهبندی یک مسئله با یادگیری با نظارت بوده اما خوشهبندی یک یادگیری بدون نظارت است.
2-طبقهبندی یک نوع یادگیری بر پایه مثال بوده در حالی که خوشهبندی یادگیری بر پایه مشاهده میباشد.
3-در طبقهبندی هم داده ورودی و هم خروجی هدف مشخص است و بقیه دادهها بر همین اساس طبقهبندی میشوند، ولی در خوشهبندی فقط ورودیها وجود داشته و بر اساس شباهتهای بین ورودیها باید آنها را خوشهبندی کرد.
آنچه که در پروژه ما مورد استفاده قرار گرفت روش خوشهبندی است که بر همین اساس به معرفی آن خواهیم پرداخت.
منظور از روش تحقیق یک فرآیند نظام مند برای یافتن پاسخ یک پرسش یا راه حل یک مساله است.
تحقيق را به عنوان كوششي منظم جهت فراهم نمودن پاسخ يا پاسخهايي به سؤالات مورد نظر تعريف كردهاند.
مهناز تسلیمی
جستجو پیشرفته منابع علمی | ویژه دانشجویان شیمیArzhin
کارگاه آموزشی جستجو پیشرفته منابع علمی ویژه دانشجویان رشته شیمی | مدرس : مهندس حسین بابائی
این کارگاه در تاریخ 3 دی 94 در موسسه فناوران جوان خزر برگزار گردید.
۱- آشنایی با انواع اطلاعات و پایگاه های داده
۲- جستجوی موثر با کلیدواژه ها
۳- معرفی موتور های جستجوی مقالات و اسناد آکادمیک ( جستجوی عملی و تحلیل نتایج )
۴- جستجو در پایگاه های تخصصی رشته شیمی
۵- چگونه مجلات و کنفرانس های مناسب و معتبر پیدا کنیم ؟
۶- ساختار پتنت و نحوه جستجوی آن
۷- آموزش دانلود مقالات و کتاب
18. ها فریم(Frames)ها چهارچوب یا
Slots Fillers
Name Property
Specialization
of
A kind of object
Type Car, Borat, house
If added:
Procedure ADD_PROPERTY
Owner Default: government
If needed:
Procedure FIND_OWNER
Location (home, work, mobile)
Status (missing, poor, good)
Under
warranty
(yes, no)
21. 21
Decision Trees
1. Decision trees provide a useful paradigm for
solving certain types of classification problems.
2. Decision trees derive solutions by reducing the
set of possible solutions with a series of
decisions or questions that prune their search
space.
3. Problems suitable for decision trees are those
that provide the answer to a problem from a
predetermined set of possible answers.
22. 22
Decision Trees
4. Decision trees consist of nodes and branches,
connecting parent nodes to child from the top to
bottom. The top node (root) has no parent.
Every other node has only one parent. Nodes
with no children are leaves.
5. Leaf nodes represent all possible solutions that
can be derived from the tree – answer nodes.
All other nodes are decision nodes.
23. 23
Decision Trees
6. In general, a decision node may use any criteria
to select which branch to follow as long as it
yields only one branch. The branch selected
may be a set or range of values, etc.
7. The procedure to traverse a tree to reach an
answer is simple – begin at root, if the current
node is decision, answer the question – YES,
move left, NO, move right. When answer node
is current location value is derived from the
decision tree.
24. 24
Decision Trees with
Multiple Branches
• A binary decision tree may prove inefficient – not
allowing for a set of responses or a series of
cases.
• A modified decision tree allows for multiple
branches – giving a series of possible decisions.
27. 27
Decision Trees
That Learn
• Sometimes it is useful to add new knowledge to a
decision tree.
• Learning can result in the decision tree becoming
unbalanced – efficient decision trees are
balanced.
30. 30
A Rule-Based
Decision Tree Program
• The first step implementing the learning process in a
decision tree is to decide how knowledge should be
represented.
• Since the tree should learn, the tree should be
represented as facts instead of rules – facts are easily
added / deleted from a tree.
• Each node of the tree should be represented by a fact.
• From one run to the next, information about what has
been learned will be stored in a file.
• The rules for traversal of the tree must be
determined.