به‌کارگیری داده‌کاوی در پایگاه‌های داده عظیم 

فصل اول: مقدمه‌ای بر داده‌کاوی

1-1- دلیل پیدایش داده‌کاوی

1-2- روند کشف دانش

1-3- جایگاه داده‌کاوی در میان علوم مختلف

1-4- چه‌کارهایی را نمی‌توان با داده‌کاوی انجام داد

1-5- داده‌کاوی در مقابل انبار داده

1-6- داده‌کاوی در مقابل پردازش لحظه‌ای برخط (OLAP)

1-7- کاربرد هوش مصنوعی و آمار در داده‌کاوی

فصل دوم: توصیف داده‌ها در داده‌کاوی

2-1- خلاصه‌سازی و به تصویر درآوردن داده‌ها

2-2- خوشه‌بندی

2-3- تحلیل لینک

فصل سوم: مدل‌های پیش‌بینی داده‌ها

3-1- کلاس‌بندی

3-2- رگرسیون

3-3- دنباله زمان

فصل چهارم: مدل‌ها و الگوریتم‌های داده‌کاوی

4-1- شبکه‌های عصبی

4-2- درخت‌های تصمیم

4-3- مارس

4-4- استنتاج قوانین

4-5- K- نزدیک‌ترین همسایه و استدلال مبتنی بر حافظه

4-6- رگرسیون منطقی

4-7- تحلیل تفکیکی

4-8- مدل افزودنی کلی

4-9- افزایشی

فصل پنجم: سلسله‌مراتب انتخاب‌ها

فصل ششم: مراحل فرآیند کشف دانش از پایگاه داده‌ها

6-1- انبارش داده‌ها

6-2- انتخاب داده‌ها

6-3- تبدیل داده‌ها

6-4- کاوش داده‌ها

6-5- تفسیر نتیجه

فصل هفتم: عملیات داده‌کاوی

7-1- مدل‌سازی پیشگویی‌کننده

7-2- تقطیع پایگاه داده‌ها

7-3- تحلیل پیوند

7-4- تشخیص انحراف

فصل هشتم: قابلیت‌های داده‌کاوی

8-1- داده‌کاوی و انبار داده‌ها

8-2- داده‌کاوی، آمار و هوش مصنوعی

8-3- کاربردهای داده‌کاوی

8-4- داده‌کاوی موفق

8-5- تحلیل ارتباطات

فصل نهم: طبقه‌بندی

9-1- تئوری بیز

9-2- رگرسیون

9-3- گروه‌بندی داده‌ها

9-4- بخش‌بندی

9-5- سلسله مراتبی

9-6- گروه‌بندی بر اساس تراکم

9-7- کاوش قوانین پیوندی

9-8- آپریوری

9-9- دی. اچ.پی

9-10- خلاصه‌سازی و کلی‌نگری داده‌ها در سطوح مختلف

9-11- رهیافت هرم داده‌ها

9-12- رهیافت استنتاج بر اساس صفت خاصه

9-13- الگوریتم‌های ژنتیک

فصل دهم: ساختن یک پایگاه داده داده‌کاوی

10-1- جستجوی داده

10-2- آماده‌سازی داده برای مدل‌سازی

10-3- ساختن مدل داده‌کاوی

10-4- تائید اعتبار ساده

10-5- ارزیابی و تفسیر

فصل یازدهم: ماتریس‌های پیچیدگی

11-1- ایجاد معماری مدل و نتایج

نتیجه‌گیری

منابع و مراجع

فهرست شکل‌ها

شکل (1-1): داده‌کاوی به‌عنوان یک مرحله از فرآیند کشف دانش

شکل (1-2): سیر تکاملی صنعت پایگاه داده

شکل (1-3): معماری یک نمونه سیستم داده کاو

شکل (1-4): داده‌ها از انبار داده‌ها استخراج می‌گردند

شکل (1-5): داده‌ها از چند پایگاه داده استخراج‌شده‌اند

شکل (4-1): شبکه عصبی با یک لایه نهان

شکل (4-2): Wx,y وزن یال بین x و y است

شکل (4-3): درخت تصمیم‌گیری

شکل (4-4): محدوده همسایگی (بیشتر همسایه‌ها در دسته x قرارگرفته‌اند)

شکل (8-1): داده‌ها از انبار داده‌ها استخراج می‌گردند

شکل (8-2): ساختار ارتباطاتی به روش گرافیکی