دانلود پایان نامه کامل در مورد مفاهیم معماری و مدیریت در محاسبات ابری‎ (تعداد صفحات 115 )

اختصاصی از زد فایل دانلود پایان نامه کامل در مورد مفاهیم معماری و مدیریت در محاسبات ابری‎ (تعداد صفحات 115 ) دانلود با لینک مستقیم و پر سرعت .

سیر کلی محاسبات به گونه ای است که می توان آن را بعد از آب، برق، گاز و تلفن به عنوان عنصر اساسی پنجم فرض نمود. در چنین حالتی کاربران سعی می کنند بر اساس نیازهایشان و بدون توجه به اینکه یک سرویس در کجا قرار دارد و یا چگونه تحویل داده می شود، به آن دسترسی یابند. کارشناسان امر IT،  سیستم های محاسباتی گوناگونی را برای رفع اینگونه نیازهای کاربران ارائه داده اند که می توان به Cluster Computing، Grid Computingو اخیر اCloud Computing  اشاره کرد. ایده اصلی Cloud Computing ارائه خدمات نرم افزاری و سخت افزاری از طریق اینترنت به کاربران و سازمان ها در تمام سطوح می باشد. به منظور دستیابی به بالاترین سطح عملکرد در ابر، استقرار محاسبات ابری باید نظارت و مدیریت شوند. نرم افزار مدیریت ابر، توانایی مدیریت خطا، پیکربندی، حسابداری، کارایی و امنیت را فراهم می کند. در این پروژه قصد داریم انواع مفاهیم مدیریتی موجود در محاسبات ابری و استفاده از آنها، معماری برای مدیت ابرها چالش های ابر در مسائل مدیریتی- امنیتی مربوطه و استاندارد های مدیریت ابر و آینده ابرها و رویکرد دولتها را به همراه مزایا و معایب ابرها مورد ارزیابی قرار می دهیم.

فهرست:

فصل 1 – مفاهیم محاسبات ابری

فصل 2 – معماری لایه های ابری و انواع آنها

فصل 3 – استفاده از ابرها و مدیریت آنها

فصل 4 – وضعیت حال و آینده محاسبات ابری و رویکرد دولت ها در قبال آنها

فصل 5 – نتیجه گیری و پیشنهاد ها

تعداد صفحات پایان نامه  : 115

مفاهیم پایگاه داده های رابطه ای و نرمال سازی

اختصاصی از زد فایل مفاهیم پایگاه داده های رابطه ای و نرمال سازی دانلود با لینک مستقیم و پر سرعت .

چکیده :

طراح پایگاه داده که نیاز های کاربردی را می شناسد در برنامه های کاربردی جزئی می توانند دقیقا درباره روابطی که باید ایجاد شود، نسبتهای آنها و محدودیتهای این روابط تصمیم گیری کنند. با این حال چنین تصمیم گیری دقیقی در مورد برنامه های کاربردی دنیای واقعی مشکل است، زیرا اغلب آنها بسیار پیچیده هستند. غالبا هیچ کس همه اطلاعاتی که یک برنامه کاربردی نیاز دارد را نمی داند. طراح پایگاه داده باید در تماس با کاربران، الزامات و نیازهای این برنامه ها را بشناسد و آنها را در حالتی عالی و مناسب ارائه کند تا کاربران بتوانند آنها را بشناسند و بعد این الزامات را در سطوح پایین تر طرح پیاده کنند. یک مدل داده در سطح بالا با ارائه چهارچوب مفهومی به طراح پایگاه داده کمک می کند که در حالتی سیستماتیک ، داده های مورد نیاز کاربران پایگاه داده و ساختار آن که این نیازها را تامین می کند را مشخص کند.
ولین فاز طراحی پایگاه داده ، مشخص کردن نیاز داده کاربران پایگاه داده است. طراح پایگاه داده با تماس با کارشناسان این حوزه و کاربران این وظیفه را انجام دهد. نتیجه این حالت روشن شدن نیازهای کاربران است. در این بخش، خود را به توصیف نوشتاری نیازهای کاربران محدود می کنیم که به این موضوع در بخش 6-8-2 می پردازیم.
در مرحله بعد طراح، یک مدل داده انتخاب می کند و با استفاده از مفاهیم این مدل انتخابی الزامات آنرا به چهارچوب مفهومی پایگاه داده تبدیل می کند. این چهار چوب کلی که در حالت طراحی مفهومی ایجاد می شود مفهوم دقیقی را از این پروژه ارائه می دهد.

مدل موجودیت – رابطه که ما در ادامه این فصل مورد مطالعه قرار می دهیم، عموماً برای ارایه طراحی مفهومی مورد استفاده قرار می گیرد. در مدل موجودیت رابطه، الگوی مفهومی موجودیتهای موجود در پایگاه داده، صفات موجودیت ها رابطه بین موجودیتها و محدودیت های صفات را مشخص می کند. مرحله طراحی مفهومی معمولا به ایجاد نمودار موجودیت رابطه نمایشگر الگوی گرافیکی منجر می شود.

فهرست :
فصل پنجم :  دیگر زبانهای رابطه ای  
5-1- حساب رابطه ای چند تایی  
5-1-1- طرح مثال   
5-1-2- تعاریف رسمی  
5-1-3- اطمینان در بیان  
5-1-4- زبان های توانای پر معنی  
5-2-  قلمرو حساب رابطه ای  
5-2-1- تعریف رسمی   
5-2-2- پرس وجوهای نمونه  
5-2-3- ایمنی عبارات  
5-2-4- قدرت بیانی زبان  
5-3- پرس وجو از طریق مثال  
5-3-1-جدول های ساختمان  
5-3-2- پرس وجو هایی روی یک رابطه 
5-3-3- پرس وجو روی رابطه های جداگانه  
5-3-4- جعبه وضعیت   
5-3-5- رابطه نتیجه   
5-3-6- QBEدر مایکروسافت اکسس  
5-4- دیتالوگ   35
5-4-1- ساختار اساسی  
5-4-2- ترکیب دستورات دیتالوگ  
5-4-3- ترکیب های معنایی دیتالوگ غیر بازگشتی  
5-4-3-1- ترکیب های معنایی یک دستور  
5-4-3-2- ترکیب معنایی برنامه  
5-4-4- ایمنی   
5-4-5- عملیاتهای رابطه ای در دیتالوگ  
5-4-6- بازگشتی در دیتالوگ  
5-4-7- قدرت بازگشتی   
5-5- خلاصه   
مرور  اصطلاحات   
تمرین مهارت   
تمرین ها    
نکاتی مربوط به فهرست کتاب  
ابزارها   
بخش دوم :طراحی پایگاه داده

 
فصل ششم : طراحی پایگاه داده مدلE-R  
6-1- مفهوم کلی فرایند طراحی  
6-1-1-  مراحل طراحی   
6-1-2- طراحی جایگزین ها   
6-2- مدل موجودیت رابطه    
6-2-1- گروه موجودیت     
6-2-2- گروه رابطه ها    
6-2-3- صفات    
6-3- محدودیت ها   
6-3-1- ترسیم کاردینالیتی    
6-3-2- کلیدها    
6-3-2-1- گروه موجودیت ها   
6-3-2-2- گروه رابطه ها   
6-3-3- مشارکت محدودیت  ها    
6-4- نمودارهای موجودیت – رابطه    
6-5- نتایج طراحی موجودیت – رابطه    
6-5-1- استفاده از گروه موجودیت ها در مقابل صفات    
6-5-2- استفاده از گروه موجودیت ها به جای گروه رابطه ها    
6-5-3- گروه رابطه های n-ary در مقایل دوگانه    
  6-5-4-  جایگاه صفات رابطه   
6-6- گروه موجودیت ضعیف    
6-7- ویژگیهای E-R  گسترده    
6-7-1- ویژه کاری    
6-7-2 – عمومی سازی    
6-7-3- صفات وراثتی    
6-7-4- محدودیت ها در عمومی سازی    
6-7-5- ترکیب    
6-7-6- نمادهای E-R جایگزین    
6-8- طراحی پایگاه داده برای پروژه بانکداری    
6-8-1- جایگزین های طرح E-R  
6-8-2- الزامات داده برای پایگاه داده بانک   
6-8-3- گروه های موجودیت برای پایگاه داده بانک    
6-8-4- گروه های رابطه برای پایگاه داده بانک   
6-8-5- نمودار E-R برای پایگاه داده بانک    
6-9- تبدیل شدن به الگوی رابطه ای    
6-9-1- ارائه گروه های موجودیت قوی   
6-9-2- ارائه گروه های موجودیت ضعیف    
6-9-3 – ارائه گروه های رابطه    
6-9-3-1- الگوهای زائد   
6-9-3-2- ترکیب الگوها   
6-9-4- صفات ترکیبی و چند مقداری    
6-9-5- ارائه روش عمومی سازی     
6-9-6- ارائه دادن ترکیب    
6-9-7- الگوی رابطه برای پروژه بانکداری    
6-10- جنبه های دیگر طراحی پایگاه داده    
6-10-1- محدودیت داده ها وطراحی پایگاه داده رابطه ای    
6-10-2- الزامات کاربردی : پرس وجوها ، کارایی   
6-10-3- الزامات کنترل    
6-10-4- جریان داده ها   
6-10-5- موضوعات دیگر در طراحی پایگاه داده    
6-11- زبان مدل سازی یکپارچه UML
6-12- خلاصه    
مروری بر اصطلاحات   
تمرین مهارت    
تمرینات   
منابع    
ابزارها

   
فصل هفتم : طراحی پایگاه داده رابطه ای     
7-1- ویژگی های طراحی های رابطه ای خوب     
7-1-1- طراحی جایگزین : الگوهای بزرگتر    
7-1-2- طراحی جایگزین : الگوهای کوچکتر    
7-2- محدوده های غیر قابل تجزیه واولین شکل نرمال    
7-3-  تجزیه با استفاده از وابستگی های عملیاتی     
7-3-1- کلیدها و وابستگی های عملیاتی    
7-3-2- شکل نرمال Boyce-codd 
7-3-3- BCNF و حفاظت وابستگی 
7-3-4- سومین شکل نرمال      
7-3-5- شکل های نرمال بیشتر     
7-4- تئوری وابستگی عملیاتی     
7-4-1- بستار مجموعه وابستگی های عملیاتی     
7-4-2- بستار گروه های صفات      
7-4-3- پوشش استاندارد      
7-4-4- تجزیه بی نقص      
7-4-5- حفاظت وابستگی     
7-5- تجزیه با استفاده از وابستگی های عملیاتی     
7-5-1- تجزیهBCNF 
7-5-1-1- آزمون BCNF 
7-5-1-2- الگوریتم تجزیهBCNF 
7-5-2- تجزیه 3NF 
7-5-3- مقایسه BCNF و 3NF
7-6- تجزیه با استفاده از وابستگی های چند مقداری     
7-6-1- وابستگی های چند مقداری     
7-6-2- شکل نرمال چهارم      
7-6-3- تجزیه4NF 
7-7- دیگر شکل های نرمال     
7-8- فرایند طراحی پایگاه داده      
7-8-1- مدل E-R و نرمال سازی     
7-8-2- نام گذاری صفات و رابطه ها    
7-8-3- از نرمال درآوردن برای کارایی     
7-8-4- دیگر مباحث طراحی    
7-9- مدل سازی داده های موقتی     
7-10- خلاصه    
مرور اصطلاحات    
تمرین مهارت     
تمرین      
واژه نامه 

دانلود پایان نامه رشته کامپیوتر با عنوان داده کاوی ، مفاهیم و کاربرد آن - word

اختصاصی از زد فایل دانلود پایان نامه رشته کامپیوتر با عنوان داده کاوی ، مفاهیم و کاربرد آن - word دانلود با لینک مستقیم و پر سرعت .

عنوان پایان نامه : داده کاوی، مفاهیم و کاربرد

شرح مختصر : امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است. از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد.

چکیده 4

مقدمه. 6

فصل اول – مفاهیم داده کاوی.. 9

مدیریت ذخیره سازی و دستیابی اطلاعات... 9

ساختار بانک اطلاعاتی سازمان: 10

داده کاوی (Data Mining): 11

مفاهیم پایه در داده کاوی.. 13

تعریف داده کاوی.. 14

مراحل فرایند کشف دانش از پایگاه داده ها 16

الگوریتم های داده کاوی.. 22

آماده سازی داده برای مدل سازی.. 30

درک قلمرو. 38

ابزارهای تجاری داده کاوی Tools DM Commercial 46

منابع اطلاعاتی مورد استفاده 47

محدودیت های داده کاوی.. 56

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی.. 56

فصل دوم : کاربردهای داده کاوی.. 59

کاربرد داده کاوی در کسب و کار هوشمند بانک..... 60

داده کاوی درمدیریت ارتباط بامشتری.. 61

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 63

داده کاوی و مدیریت موسسات دانشگاهی.. 65

داده کاوی و مدیریت بهینه وب سایت ها 66

داده‌کاوی و مدیریت دانش.... 67

کاربرد داده‌کاوی در آموزش عالی.. 68

فصل سوم – بررسی موردی1: وب کاوی.. 70

معماری وب کاوی.. 70

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان. 75

محتوا کاوی وب... 76

فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک.... 79

زمینه دادهکاوی در شهر الکترونیک.... 81

کاربردهای دادهکاوی در شهر الکترونیک..... 83

چالشهای دادهکاوی در شهر الکترونیک..... 88

مراجع و ماخذ. 97

مقاله مفاهیم مکانیک کوانتم به روایت مدل های ریاضی

اختصاصی از زد فایل مقاله مفاهیم مکانیک کوانتم به روایت مدل های ریاضی دانلود با لینک مستقیم و پر سرعت .

این فایل در قالب ورد و قابل ویرایش در 21 صفحه می باشد.

مکانیک کوانتم سرانجام در سال 1926 توسط دو مدل ریاضی به طور کامل در قالب فرمول آمد (غالبا این نقطه را شروع دوره ی کوانتم جدید می دانند). این دو مدل که در ابتدا مستقل می نمودند حاصل ارائه ی دو فیزیک دان آلمانی اروین شرودینگر و ورنر هایزنبرگ بودند. ولی چند سالی طول کشید تا مفاهیم عمیق و انقلابی مکانیک کوانتم در قالب ریاضیات بیان شوند و همه ی پیچیدگی های آزمایش های کوانتم به تفاسیری از مدل های ساده ی ریاضی تبدیل شوند. این اتفاق به همت کسانی چون پل دیراک، شرودینگر، جردن، لانده امکان پذیر شد و دست آخر کتاب ماندگار جان فون نویمان در مبانی ریاضی کوانتم تقریبا همه ی آن چیزی که می توانست در آزمایش های کوانتم قدیم مشاهده شود را در بیان ریاضی می آورد.
با ارائه ی دو مدل هایزنبرگ و شرودینگر در سال 1926 هر آن چه موضوع مکانیک کوانتم بود قابل محاسبه شد ولی چیزی که در این متن عمدتا به آن خواهم پرداخت نه این دو مدل ریاضی بلکه توصیفات دقیق تئوری ریاضی کوانتم از واقعیت و انتزاع مفاهیم انحصاری کوانتم است که در نتیجه ی کوشش های دیراک، ... و نویمان به دست آمد. اهمیت این مفاهیم انتزاع شده در این حد است که بتوانیم آن را یک طرح schema بنامیم در حالی که دو مدل مذکور صرفا مدلی ریاضی برای واقعیت طبیعی هستند و البته این جا تفاوت مدل و طرح مشخص می شود.  
قبل از هر چیز مطلبی را از مکانیک کلاسیک یادآوری می کنم. در مکانیک کلاسیک مکان یا در حالت کلی موقعیت (که وابستگی به زمان ندارد) هر سیستم توسط تعدادی متغیر که مختصات آن سیستم گفته می شوند تعیین می شوند. به تعداد این مختصات درجه ی آزادی آن سیستم می گوییم. ولی از آن جایی که به تجربه دریافته ایم که هر سیستم مکانیکی کلاسیک به ازای هر درجه ی آزادی خود یک معادله ی دیفرانسیل مرتبه ی دو دارد، برای مشخص شدن آینده و گذشته ی یک سیستم کلاسیک باید علاوه بر مختصات سیستم در یک لحظه سرعت تغییرات هر متخصه را نیز اندازه گیری کنیم. به مجموعه ی این اعداد که تمام اطلاعات رفتاری سیستم را برای همه ی لحظات در اختیار می گذارد حالت سیستم می گوییم. بدیهی است که متغیرهای حالت دو برابر متغیرهای مختصات هستند.
اولین مفهومی که در مکانیک کوانتم با آن رو به رو خواهیم شد مفهوم مشاهده پذیر observable است؛ از آن جایی که در این تئوری بسیاری اعداد در معادلات و عبارات ظاهر می شوند ولی همه ی آن ها قابل اندازه گیری نیستند. در مکانیک کوانتم به هر پدیده ای که قابل اندازه گیری باشد یک مشاهده پذیر می گوییم. پدیده ای قابل اندازه گیری است که مکانیسمی برای به دست آوردن یک عدد حقیقی دقیق از آن موجود باشد. دومین مفهوم مکانیک کوانتم همین مکانیسم اندازه گیر است؛ به مکانیسمی که یک مشاهده پذیر را اندازه می گیرد دستگاه (اندازه گیر) apparatus آن مشاهده پذیر می گوییم.    
پس هر مشاهده پذیر دستگاه ویژه ی خود را دارد که به ازای هر اندازه گیری درست یک عدد حقیقی دقیق از آن گزارش می دهد. مجموعه ی اعدادی که از اعمال دستگاه بر روی مشاهده پذیر آن حاصل می شود را طیف ویژه مقدارهای spectrum of eigenvalues آن مشاهده پذیر می گوییم و هر عدد را یک ویژه مقدار eigenvalue از آن مشاهده پذیر می گوییم.  

پایان نامه داده کاوی، مفاهیم و کاربرد

اختصاصی از زد فایل پایان نامه داده کاوی، مفاهیم و کاربرد دانلود با لینک مستقیم و پر سرعت .

چکیده :

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است . از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند . در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است . هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

فهرست :

چکیده

مقدمه

فصل اول – مفاهیم داده کاوی

مدیریت ذخیره سازی و دستیابی اطلاعات

ساختار بانک اطلاعاتی سازمان

داده کاوی (Data Mining)

مفاهیم پایه در داده کاوی

تعریف داده کاوی

مراحل فرایند کشف دانش از پایگاه داده ها

الگوریتم های داده کاوی

آماده سازی داده برای مدل سازی

درک قلمرو

ابزارهای تجاری داده کاوی Tools DM Commercial

منابع اطلاعاتی مورد استفاده

محدودیت های داده کاوی

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی

فصل دوم : کاربردهای داده کاوی

کاربرد داده کاوی در کسب و کار هوشمند بانک

داده کاوی در مدیریت ارتباط با مشتری

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی

داده کاوی و مدیریت موسسات دانشگاهی

داده کاوی و مدیریت بهینه وب سایت ها

داده‌کاوی و مدیریت دانش

کاربرد داده‌کاوی در آموزش عالی

فصل سوم – بررسی موردی۱: وب کاوی

معماری وب کاوی

مشکلات و محدودیت های وب کاوی در سایت های فارسی زبان

محتوا کاوی وب

فصل چهارم – بررسی موردی

داده کاوی در شهر الکترونیک

زمینه دادهکاوی در شهر الکترونیک

کاربردهای داده کاوی در شهر الکترونیک

چالشهای داده کاوی در شهر الکترونیک

مراجع و ماخذ

نوع فایل : Word

تعداد صفحات : 110 صفحه