کتاب داده کاوی و هوش تجاری با نرم افزار KNIME

کتاب داده‌کاوی و هوش تجاری با نرم‌افزار KNIME نوشته‌ی محمدعلی دادگسترنیا و مسعود کاویانی اثری آموزشی در حوزه‌ی علم داده، داده‌کاوی، یادگیری ماشین و هوش تجاری است که نشر دیباگران تهران آن را منتشر کرده است. در این کتاب نرم‌افزار KNIME به‌عنوان یک پلتفرم متن‌باز و بدون‌کد برای تحلیل داده، ساخت مدل‌های یادگیری ماشین و پیاده‌سازی فرایندهای هوش تجاری معرفی شده است. نویسندگان از همان فصل‌های ابتدایی، مفاهیم پایه‌ای مانند تفاوت علم داده و هوش مصنوعی، جایگاه یادگیری ماشین و یادگیری عمیق، مفهوم داده‌کاوی و متودولوژی CRISP را توضیح داده‌اند و سپس قدم‌به‌قدم وارد کار با محیط KNIME شده‌اند. ساخت جریان‌های کاری، آشنایی با گره‌ها، پورت‌ها، وضعیت‌های مختلف اجرای گره، نحوه‌ی خواندن داده‌ها از فایل‌های اکسل و CSV، اتصال به پایگاه‌های داده و نصب افزونه‌ها از جمله مباحث محوری کتاب است. در ادامه، مثال‌هایی از داده‌های واقعی مانند داده‌های بیماران قلبی، داده‌های بیمارستان، شبکه‌های اجتماعی و بازی فیفا برای توضیح تحلیل آماری، بصری‌سازی داده‌ها، یادگیری ماشین، خوشه‌بندی و کاربرد KNIME در پروژه‌های هوش تجاری به‌کار رفته است. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب داده کاوی و هوش تجاری با نرم افزار KNIME

کتاب داده‌کاوی و هوش تجاری با نرم‌افزار KNIME با تمرکز بر نرم‌افزار KNIME، تصویری نسبتاً کامل از زنجیره‌ی کار با داده از لحظه‌ی ورود داده تا ساخت مدل و تحلیل نتایج ارائه کرده است. نویسندگان در فصل اول، ابتدا جایگاه داده‌کاوی و هوش تجاری را در میان مفاهیم گسترده‌تری مانند علم داده، هوش مصنوعی، یادگیری ماشین و یادگیری عمیق روشن کرده‌اند. با استفاده از مثال‌هایی مثل داده‌های یک فروشگاه اینترنتی یا شرکت حمل‌ونقل اینترنتی، نشان داده شده که چگونه داده‌ها در قالب ماتریس (سطر به‌عنوان نمونه و ستون به‌عنوان ویژگی) سازمان‌دهی می‌شوند و چه ارزش‌هایی می‌توان از این ماتریس‌ها استخراج کرد. سپس متودولوژی CRISP با شش مرحله‌ی درک کسب‌وکار، درک داده‌ها، آماده‌سازی داده، مدل‌سازی، ارزیابی و انتشار نرم‌افزار معرفی شده و ارتباط آن با فرایندهای هوش تجاری توضیح داده شده است. در همین فصل، تفاوت‌ها و هم‌پوشانی‌های هوش تجاری و داده‌کاوی نیز به‌تفصیل آمده و نشان داده شده که چگونه این دو در عمل کنار هم استفاده می‌شوند. کتاب داده‌کاوی و هوش تجاری با نرم‌افزار KNIME در فصل‌های بعدی وارد جزئیات کار با خود KNIME می‌شود و محیط نرم‌افزار، واژگان کلیدی آن و ساختار جریان‌های کاری را معرفی می‌کند. فصل دوم به معرفی رابط کاربری، پنل‌ها، نوار ابزار، مفهوم گره (Node)، پورت‌های ورودی و خروجی، وضعیت‌های مختلف گره (پیکربندی‌نشده، پیکربندی‌شده، اجراشده، خطا)، نحوه‌ی ساخت و ذخیره‌ی جریان‌های کاری و تعریف فضای کاری اختصاص یافته است. سپس نحوه‌ی نصب KNIME روی سیستم‌عامل‌های مختلف، نصب افزونه‌ها و به‌روزرسانی پکیج‌ها توضیح داده شده است. در فصل‌های بعد، خواندن داده‌ها از فایل‌های اکسل و CSV، نمایش و مرتب‌سازی جداول، هایلایت‌کردن بخش‌هایی از داده، استفاده از گره‌های آماری و بصری‌سازی، و سپس ورود به مباحث یادگیری ماشین، تشخیص بیماری قلبی، تحلیل داده‌های بازی فیفا، خوشه‌بندی و کار با پایگاه‌های داده مطرح شده است. ساختار کتاب شامل چند فصل اصلی درباره‌ی داده‌کاوی و هوش تجاری، نرم‌افزار KNIME و محیط کاری، آمار و بصری‌سازی داده‌ها، یادگیری ماشین، مثال‌های کاربردی و در پایان مباحثی درباره‌ی اتصال به پایگاه‌های داده و متصل‌کننده‌های مختلف است و در هر فصل، عنوان‌های فرعی متعددی مانند «نصب نرم‌افزار نایم»، «واژگان پرکاربرد نرم‌افزار نایم»، «ایجاد یک جریان کاری»، «آمار و بصری‌سازی داده‌ها»، «مثال تشخیص بیماری قلبی» و «مثال مجموع داده‌های بازی فیفا» دیده می‌شود.

خلاصه کتاب داده کاوی و هوش تجاری با نرم افزار KNIME

نویسندگان در داده‌کاوی و هوش تجاری با نرم‌افزار KNIME ابتدا چارچوب مفهومی کار با داده را می‌سازند و سپس آن را در قالب نرم‌افزار KNIME پیاده می‌کنند. در بخش‌های آغازین، علم داده به‌عنوان مجموعه‌ای از روش‌های آماری، بصری‌سازی داده‌ها، یادگیری ماشین و یادگیری عمیق تعریف شده و نشان داده شده که چگونه این حوزه با هوش مصنوعی هم‌پوشانی دارد. یادگیری ماشین به‌عنوان زیرمجموعه‌ای از هوش مصنوعی معرفی شده که هدف آن تواناسازی کامپیوتر برای یادگیری از داده‌ها است و یادگیری عمیق نیز به‌عنوان شاخه‌ای مبتنی‌بر شبکه‌های عصبی عمیق توضیح داده شده است. سپس داده‌کاوی به‌عنوان فرایندی سه‌گانه شامل تحلیل، بصری‌سازی و یادگیری ماشین معرفی شده و متودولوژی CRISP به‌عنوان چارچوب استاندارد اجرای پروژه‌های داده‌محور و هوش تجاری تشریح شده است. در ادامه‌ی کتاب داده‌کاوی و هوش تجاری با نرم‌افزار KNIME، تمرکز به‌سمت خود نرم‌افزار KNIME می‌رود. KNIME به‌عنوان یک ابزار متن‌باز و گرافیکی برای تحلیل داده و هوش تجاری معرفی شده که با استفاده از گره‌ها و جریان‌های کاری، امکان انجام عملیات پیچیده را بدون نیاز به برنامه‌نویسی فراهم می‌کند. نویسندگان محیط نرم‌افزار را به‌صورت تصویری و مرحله‌به‌مرحله توضیح داده‌اند: تعریف فضای کاری، ساخت گروه‌های جریان کار، ایجاد جریان کار جدید، افزودن گره‌ها از مخزن، اتصال گره‌ها از طریق پورت‌ها، پیکربندی گره‌ها و اجرای آن‌ها. مثال‌های متعددی برای خواندن داده‌ها از فایل‌های اکسل و CSV، نمایش جدول داده، مرتب‌سازی، هایلایت‌کردن سطرها و ستون‌ها و تنظیم نمایش اعداد ارائه شده است. سپس با استفاده از داده‌های واقعی مانند داده‌های بیماران قلبی، نشان داده شده که چگونه می‌توان داده‌ها را وارد KNIME کرد، آن‌ها را پیش‌پردازش کرد و برای تحلیل آماری و یادگیری ماشین آماده ساخت. در بخش‌های بعدی، گره‌های مربوط به آمار، بصری‌سازی، یادگیری ماشین، خوشه‌بندی و اتصال به پایگاه‌های داده معرفی شده و تفاوت ابزارهای مختلف علم داده (مانند اکسل، زبان‌های برنامه‌نویسی و نرم‌افزارهای بدون‌کد) با تمرکز بر جایگاه KNIME در این میان بررسی شده است. در پایان، کتاب به نصب افزونه‌ها، مدیریت پکیج‌ها، کار با متصل‌کننده‌های پایگاه داده و استفاده از KNIME در پروژه‌های هوش تجاری بازمی‌گردد و نشان می‌دهد که چگونه می‌توان از این نرم‌افزار برای ساخت داشبوردها، گزارش‌ها و سیستم‌های تحلیلی استفاده کرد.

چرا باید کتاب داده کاوی و هوش تجاری با نرم افزار KNIME را بخوانیم؟

داده‌کاوی و هوش تجاری با نرم‌افزار KNIME برای کسانی که می‌خواهند از سطح مفاهیم کلی علم داده و هوش تجاری عبور کنند و وارد کار عملی با یک ابزار مشخص شوند، یک مسیر نسبتاً روشن ترسیم کرده است. این کتاب از یک‌سو مفاهیم پایه‌ای مانند تفاوت علم داده و هوش مصنوعی، جایگاه یادگیری ماشین، مفهوم داده‌کاوی و متودولوژی CRISP را توضیح داده و از سوی دیگر نشان داده که این مفاهیم چگونه در قالب گره‌ها و جریان‌های کاری KNIME پیاده می‌شوند. خواننده با مطالعه‌ی آن کتاب می‌تواند درک کند که یک پروژه‌ی داده‌محور از کجا شروع می‌شود، چه مراحلی را طی می‌کند و در هر مرحله چه نوع گره‌ها و تنظیماتی در KNIME مورد استفاده قرار می‌گیرد. ویژگی دیگر این اثر، تمرکز بر نرم‌افزار KNIME به‌عنوان یک ابزار بدون‌کد است. برای کسانی که آشنایی عمیقی با برنامه‌نویسی ندارند یا نمی‌خواهند درگیر جزئیات زبان‌هایی مانند پایتون شوند، این کتاب نشان می‌دهد که چگونه می‌توان با کشیدن و رهاکردن گره‌ها، اتصال آن‌ها و پیکربندی ساده، کارهایی مانند خواندن داده از اکسل و CSV، اتصال به پایگاه داده، انجام تحلیل‌های آماری، بصری‌سازی داده‌ها، ساخت مدل‌های یادگیری ماشین و خوشه‌بندی را انجام داد. مثال‌های عملی مانند داده‌های بیماران قلبی، داده‌های بیمارستان، شبکه‌های اجتماعی و بازی فیفا کمک کرده است که مباحث از حالت انتزاعی خارج شود و کاربردهای واقعی KNIME در سناریوهای مختلف دیده شود. همچنین توضیح دقیق محیط نرم‌افزار، نصب افزونه‌ها، مدیریت پکیج‌ها و کار با متصل‌کننده‌های پایگاه داده باعث شده این کتاب به‌عنوان یک راهنمای گام‌به‌گام برای شروع کار با KNIME قابل استفاده باشد.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

مطالعه‌ی داده‌کاوی و هوش تجاری با نرم‌افزار KNIME به دانشجویان رشته‌های مهندسی کامپیوتر، فناوری اطلاعات، علوم داده، آمار و مدیریت که به‌دنبال آشنایی عملی با داده‌کاوی و هوش تجاری هستند پیشنهاد می‌شود. همچنین به تحلیل‌گران داده، مدیران و کارشناسان واحدهای هوش تجاری در سازمان‌ها که می‌خواهند بدون ورود عمیق به برنامه‌نویسی از یک ابزار گرافیکی برای تحلیل داده و ساخت مدل‌های یادگیری ماشین استفاده کنند توصیه می‌شود. افرادی که با اکسل کار کرده‌اند و اکنون به‌دنبال گامی فراتر در تحلیل داده، بصری‌سازی و یادگیری ماشین هستند نیز می‌توانند از این کتاب برای ورود به دنیای KNIME بهره ببرند.