งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การขุดค้นข้อมูล (Data Mining) ผู้สอน : พิชญา แก้วกสิ

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การขุดค้นข้อมูล (Data Mining) ผู้สอน : พิชญา แก้วกสิ"— ใบสำเนางานนำเสนอ:

1 การขุดค้นข้อมูล (Data Mining) ผู้สอน : พิชญา แก้วกสิ

2 หัวข้อการบรรยาย วิวัฒนาการของเทคโนโลยีฐานข้อมูล กระบวนการทาง Data Mining การค้นหาความรู้จากฐานข้อมูล ประเภทของข้อมูลที่นำมาขุดค้น ประเภทของรูปแบบข้อมูลที่ขุดค้นมาได้ การนำ Data Mining ไปประยุกต์ใช้

3 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล การเก็บรวบรวมข้อมูล (Data Collection) และการสร้างฐานข้อมูล (Database Creation) - ( ยุค 1960) – การประมวลผล File แบบดั้งเดิม

4 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล ระบบการจัดการฐานข้อมูล (Database Management Systems) - ( ช่วงต้นของยุค 1980) – ระบบฐานข้อมูลแบบลำดับขั้น (Hierarchical Database System) และระบบฐานข้อมูลแบบเครือข่าย (Network Database System) – ระบบฐานข้อมูลแบบสัมพันธ์ (Relational Database System) – เครื่องมือสร้างแบบจำลองข้อมูล (Data Modeling Tool) – เทคนิคการทำดัชนี (Indexing) –Query Language

5 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล – ส่วนติดต่อกับผู้ใช้ (User Interface) และ รายงาน (Report) – การประมวลผล Query (Query Processing) และการปรับปรุงประสิทธิภาพของ Query ให้ สูงสุด (Query Optimization) – การจัดการ Transaction (Transaction Management) – การประมวลผล Transaction แบบ On-line (On-line transaction processing - OLTP)

6 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล ระบบฐานข้อมูลขั้นสูง ระบบฐานข้อมูลเชิง Web Data Warehousing และ Data Mining

7 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล ระบบฐานข้อมูลขั้นสูง - ( ช่วงกลางของยุค ปัจจุบัน ) – แบบจำลองข้อมูลขั้นสูง (Advanced Data Model) – ฐานข้อมูลเชิงการประยุกต์ (Application- oriented)

8 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล ระบบฐานข้อมูลเชิง Web (Web-based Database System) - ( ยุค ปัจจุบัน ) – ระบบฐานข้อมูลเชิง XML (XML-based Database System) –Web Mining

9 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล Data Warehousing และ Data Mining - ( ช่วงปลายยุค ปัจจุบัน ) –Data Warehouse และเทคโนโลยี OLAP –Data Mining และ Knowledge Discovery

10 วิวัฒนาการของเทคโนโลยี ฐานข้อมูล ระบบสารสนเทศแบบบูรณาการยุคใหม่ (Integrated Information System) - ( … )

11 Data Mining ข้อมูลตั้งเยอะแยะ จะทำยังไงดี

12 Data Mining Knowled ge ดึงเอาความรู้ออกมาใช้ดีกว่า

13 Data Pyramid Data Information Knowle dge

14 Data Mining Data Mining = การนำเอาความรู้ (Knowledge) ที่น่าสนใจ เช่น กฎ (rule), รูปแบบ (pattern), ข้อกำหนด (constraint) ออกมาจากข้อมูลที่อยู่ในฐานข้อมูล Data Analysis, Data Archaeology, Data Dredging...

15 Data Mining Statistics Machine Learning Database Data Warehouse Pattern Recognition

16 Database Query VS Data Mining ลูกค้าทั้งหมดที่ซื้อ สินค้าเกิน 1000 บาท ในเดือนที่แล้ว ลูกค้าทั้งหมดที่ซื้อขนม ปัง มีลูกหนี้กี่คนที่มี เงินเดือนสูงกว่า บาท รูปแบบพฤติกรรมการ ซื้อสินค้าของลูกค้า ถ้าลูกค้าซื้อขนมปัง แล้วจะซื้อ สินค้าใดด้วยบ้าง ลูกหนี้ที่เป็นลูกหนี้ชั้นดี มีคุณสมบัติอย่างไรบ้าง

17 การค้นหาความรู้จากฐานข้อมูล Knowledge Discovery in Databases (KDD) การประยุกต์ใช้ความรู้ (Knowledge) ที่เก็บ อยู่ในฐานข้อมูลให้ได้ประโยชน์สูงสุด

18 กระบวนการค้นหาความรู้จาก ฐานข้อมูล Cleaning and Integration Selection and Transformation Data Mining Evaluation and Presentation Knowledge

19 กระบวนการค้นหาความรู้จาก ฐานข้อมูล Data Cleaning Data Integration Data Selection Data Transformation Data Mining Pattern Evaluation Knowledge Presentation

20 Data Cleaning การกำจัดข้อมูลที่ผิดปกติ (Noise) หรือไม่ ถูกต้องออกไป

21 Data Integration การรวมเอาข้อมูลจากหลายๆแหล่งมาไว้เข้า ด้วยกัน

22 Data Selection การเลือกเอาเฉพาะข้อมูลที่เกี่ยวข้องกับสิ่งที่ ต้องการวิเคราะห์ออกมา

23 Data Transformation การแปลงข้อมูลให้อยู่ในรูปแบบที่สามารถจะ นำไปใช้ในการทำ Data Mining -2, 32, 100, 59, , 0.32, 1.00, 0.59, 0.48

24 Data Mining วิธีการดึงเอารูปแบบ (Pattern) ของข้อมูล ออกมา

25 Pattern Evaluation การประเมินความถูกต้องของรูปแบบที่ได้มา

26 Knowledge Representation การนำเสนอความรู้ (Knowledge) ที่ได้มาให้ User

27 ประเภทของข้อมูลที่นำมาขุดค้น Relational Database Data Warehouse Transaction Database Object-Oriented Database Object-Relational Database Spatial Database

28 ประเภทของข้อมูลที่นำมาขุดค้น Temporal Database Time-Series Database Text Database Multimedia Database WWW

29 ประเภทของรูปแบบข้อมูลที่ขุดค้น มาได้ Predictive Descriptive

30 Predictive Classification Regression Prediction

31 Regression รายได้ วงเงิน

32 Descriptive Clustering Summarization Association

33 Clustering รายได้ วงเงิน

34 การนำ Data Mining ไป ประยุกต์ใช้ การช่วยในการตัดสินใจอนุมัติเงินสินเชื่อ การพยากรณ์ปริมาณการใช้ไฟฟ้า การวิเคราะห์ยอดขายสินค้า การวิเคราะห์รูปแบบพฤติกรรมการซื้อของ ผู้บริโภค


ดาวน์โหลด ppt การขุดค้นข้อมูล (Data Mining) ผู้สอน : พิชญา แก้วกสิ

งานนำเสนอที่คล้ายกัน


Ads by Google