دادهکاوی (Data Mining) چیست؟ در رشتههای مختلف علمی، نظریههای بسیار مهمی که با مطالعات میدانی به دست آمدهاند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از دادههای در دسترس را ارائه میدهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیرشاخههای مشترک علوم کامپیوتر و آمار، به نام دادهکاوی (Data Mining) است. فرایند کلی استخراج دانش از داده، معنای عامتری از دادهکاوی را در بر دارد که به Knowledge Discovery from Data یا به اختصار KDD معروف است. اهمیت یادگیری دادهکاوی (Data Mining) در متلب چیست؟ در بسیاری از رشتههای علمی و فنی، در نهایت ما با مجموعهای از دادهها روبهرو هستیم که حجم کم یا زیادی را دارند؛ اما مهمترین کار، به دست آوردن چنین پایگاه دادهای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجهگیری و جمعبندی تمام تلاشهایی که برای جمعآوری آن دادهها صرف شده است. اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، آن نتیجهگیریهای مهمی است که از مشاهدات و دادههای جمعآوریشده ارائه کردهاند. از طرفی MATLAB یکی از قدرتمندترین ابزارهای دادهکاوی است که با الگوریتمهای مختلف، امکان پردازش دادههای بزرگ و انجام تحلیلهای پیشرفته را به مخاطب میدهد. همچنین، MATLAB امکان برنامهنویسی سفارشی و تنظیم الگوریتمها را برای نیازهای خاص کاربران فراهم میکند. در این فرادرس چه چیزی یاد میگیریم؟ دادهکاوی (Data Mining) در متلب (MATLAB)، عنوان مجموعهای از فیلمهای آموزشی است، که در مجموع شامل بیست و چهار ساعت برنامه آموزشی تخصصی در زمینه دادهکاوی و مباحث آن، پیادهسازی آنها در محیط متلب و کاربردهای آنها است.
