کاوش داده

21:41, 11/28,2013
کاوش داده فرایندی است که به دنبال یافتن اطلاعات پنهان، غیر ضروری و ناشناخته در مجموعه بزرگ داده است. کاوش قوانین وابستگی یک جزء مهم در کاوش داده است که برای یافتن قاعده ها در داده ها به کار می روند. شاید مهمترین مدلی که توسط محققان کاوش دیتا طراحی شده و به طور گسترده مورد مطالعه قرار گرفته کاوش قوانین وابستگی باشد. کاوش وابستگی ها در زمینه های مختلفی استفاده شده است. یکی از زمینه های شناخته شده حوزه تجارت است زمانی که کشف الگوهای خرید یا وابستگی بین محصولات برای تصمیم گیری و بازاریابی موثر ، مفید است.  

 

سیستم خبره مدیریت استرس(ESSM)

11:26, 11/19,2013
سیستم خبره مدیریت استرس(ESSM) سیستمی است که از نقش ایفا شده توسط روانشناس یا مشاور کارشناس استرس برای ارئه ی یک مشاوری مجازی تقلید می کند.    مشاور همیشه از این سیستم ها به طور دستی برای تعیین سطح استرس و علایق شخصیتی فرد استفاده می کند.اماESSM با هدف تغییر این دو سیستم دستی بسیار متفاوت به یک سیستم کامپیوتری، با استخراج داده ها از یک تست شغل و مرتبط کردن آنها با تست استرس برای تعیین و توصیه ی بهترین مدیریت استرس برای افراد خاص بر اساس علایق فعالیتی آنها،صورت می گیرد.ESSM از طریق شیوه ی روان سنجی بکار می رود که کاربر برای تکمیل دو مجموعه از پرسشنامه ها ترغیب می شود.ESSM  تست استرس وتست شخصیت را ترکیب می کند که ازمدل تحقیق خود هدایت شده ی هلند (RIASEC) استخراج می شود، که بعنوان تست شغل توسط مشاور بکار می رود. هدف استخراج ازمدل تحقیق خودهدایت شده ی هلند تعیین رفتار وعلایق انسان است که وب سایتهای موجود فقط از تست استرس برای تعیین اختلال استرس،استفاده می کنند وبه طورتصادفی راه هایی را برای کاربر بدون توجه به این امر که چه نوع شخصیتی دارند.ESSM حاوی توصیه ای بر اساس فعالیت مورد نظر توسط ترکیب نتیجه گیری از هر دو تست و شخصیت است.شخصیت بر اساس علایق از RIASEC استخراج می شود.مدل اولیه ی این سیستم، تکنیک سیستم هوشمند مبنی بر قانون است.  موفقیت اجرا وتوسعه ی این پروزه به کاهش زمان صرف شده و نیروی انسانی درتعیین بهترین توصیه و راه حل برای مدیریت استرس کمک می کند.

 

تفاوت سیستم خبره با سایر سیستم های اطلاعاتی

11:02, 11/19,2013
سيستم‌هاي‌ خبره‌ برخلاف‌ سيستم‌هاي‌ اطلاعاتي‌ كه‌ بر روي‌ داده‌ها(Data) عمل‌ مي‌كنند، بر دانش‌ (Knowledge) متمركز شده‌ است‌. همچنين‌ دريك‌ فرآيند نتيجه‌گيري‌، قادر به‌ استفاده‌ از انواع‌ مختلف‌ داده‌ها عددي‌(Digital)، نمادي‌ Symbolic و مقايسه‌ ای (Analog) مي‌باشند. يكي‌ ديگر ازمشخصات‌ اين‌ سيستم‌ها استفاده‌ از روشهاي‌ ابتكاري‌ (Heuristic) به‌ جاي‌روشهاي‌ الگوريتمي‌ مي‌باشد. اين‌ توانايي‌ باعث‌ قرار گرفتن‌ محدودوسيعي‌ از كاربردها در برد عملياتي‌ سيستم‌هاي‌ خبره‌ مي‌شود. فرآيندنتيجه‌گيري‌ در سيستم‌هاي‌ خبره‌ بر روشهاي‌ استقرايي‌ و قياسي‌ پايه‌گذاري‌شده‌ است‌. از طرف‌ ديگر اين‌ سيستم‌ها مي‌توانند دلايل‌ خود در رسيدن‌به‌ يك‌ نتيجه‌گيري‌ خاص‌ و يا جهت‌ و مسير حركت‌ خود به‌ سوي‌ هدف‌را شرح‌ دهند. با توجه‌ به‌ توانايي‌ اين‌ سيستم‌ها در كار در شرايط فقدان‌اطلاعات‌ كامل‌ و يا درجات‌ مختلف‌ اطمينان‌ در پاسخ‌ به‌ سئوالات‌ مطرح‌شده‌، سيستم‌هاي‌ خبره‌ نماد مناسبي‌ براي‌ كار در شرايط عدم‌ اطمينان‌(Uncertainty) و يا محيطهاي‌ چند وجهي‌ مي‌باشند

 

استفاده از منطق فازی

11:00, 11/19,2013
موضوع مهم ديگر در ارتباط با سيستم‌هاي خبره، پيوند و ارتباط آن با ديگر شاخه‌هاي هوش مصنوعي است. به بيان روشن‌تر، برخي از سيستم‌هاي خبره از Fuzzy Logic يا منطق فازي استفاده مي‌كنند. در منطق غيرفازي تنها دو ارزش درست (true) يا نادرست (false) وجود دارد. چنين منطقي نمي‌تواند چندان كامل باشد؛ چراكه فهم و پروسه تصميم‌گيري انسان‌ها در بسياري از موارد، كاملا قطعي نيست و بسته به زمان و مكان آن، تا حدودي درست يا تا حدودي نادرست است. در خلال سال‌هاي 1920 و 1930، Jan Lukasiewicz فيلسوف لهستاني منطقي را مطرح كرد كه در آن ارزش يك قانون مي‌تواند بيشتر از دو مقدار 0 و 1 يا درست و نادرست باشد. سپس پروفسور لطفي‌زاده نشان داد كه منطق Lukasiewicz را مي‌توان به صورت "درجه درستي" مطرح كرد. يعني به جاي اين‌كه بگوييم: "اين منطق درست است يا نادرست؟" بگوييم: "اين منطق چقدر درست يا چقدر نادرست است؟"  از منطق فازي در مواردي استفاده مي‌شود كه با مفاهيم مبهمي چون "سنگيني"، "سرما"، "ارتفاع" و از اين قبيل مواجه شويم. اين پرسش را در نظر بگيريد : "وزن يك شيء 500 كيلوگرم است، آيا اين شيء سنگين است؟" چنين سوالي يك سوال مبهم محسوب مي‌شود؛ چراكه اين سوال مطرح مي‌شود كه "از چه نظر سنگين؟" اگر براي حمل توسط يك انسان بگوييم، بله سنگين است. اگر براي حمل توسط يك اتومبيل مطرح شود، كمي سنگين است، ولي اگر براي حمل توسط يك هواپيما مطرح شود سنگين نيست.  در اينجاست كه با استفاده از منطق فازي مي‌توان يك درجه درستي براي چنين پرسشي در نظر گرفت و بسته به شرايط گفت كه اين شيء كمي سنگين است. يعني در چنين مواردي گفتن اين‌كه اين شيء سنگين نيست
(
false) يا سنگين است (true) پاسخ دقيقي نيست.  

 

روش اعتبار سنجی کد ملی

10:58, 11/19,2013
روش اعتبار سنجی کد ملی

دهمین رقم شماره ملی را ( از سمت چپ ) به عنوان A در نظر می گیریم.

یک مقدار B در نظر می گیریم و آن را برابر با =

(اولین رقم * ۱۰) + ( دومین رقم * ۹ ) + ( سومین رقم * ۸ ) + ( چهارمین رقم * ۷ ) + ( پنجمین رقم * ۶) + ( ششمین رقم * ۵ ) + ( هفتمین رقم * ۴ ) + ( هشتمین رقم * ۳ ) + ( نهمین رقم * ۲ )

قرار می دهیم.

مقدار C را برابر با = B – (B/11)*11 قرار می دهیم.

اگر مقدار C برابر با صفر باشد و مقدار A برابر C باشد کد ملی صحیح است.

اگر مقدار C برابر با ۱ باشد و مقدار A برابر با ۱ باشد کد ملی صحیح است.

اگر مقدار C بزرگتر از ۱ باشد و مقدار A برابر با ۱۱ – C باشد کد ملی صحیح است.


 

سیستم خبره مدیریت ترافیک

12:41, 10/29,2013

با تولید انبوه خودرو از دهه ۱۹۵۰ معضل ترافیک نیز به مشکلات دیگر انسان به ویژه امور شهرنشینی اضافه شد. کشورها برای مقابله با این معضل سیاست ها و راهکارهای متفاوتی را پیش گرفتند. ابتدا به ساخت خیابان و جاده و بزرگراه پرداختند، اما مشکلات ترافیک کاملا حل نشد. به تدریج برنامه ریزان حمل و نقل به این نتیجه رسیدند که مقوله جابه جایی مسافر در مناطق شهری را بیشتر مورد توجه قرار داده و با ایجاد شبکه های عظیم حمل ونقل عمومی نظیر مترو و اتوبوس رانی مشکل ترافیک را حل کنند. با گذشت زمان فراهم آوردن امکانات و تسهیلات لازم همچون خدمات دولتی و مدارس برای کاهش سفر به برنامه های مدیریت شهری اضافه شده و اصطلاحات دیگری نظیر مدیریت تقاضای حمل و نقل به ادبیات ترافیک وارد شدند.


مدیریت تقاضای حمل ونقل به تمام استراتژی هایی اتلاق می شود که باعث افزایش کارایی سیستم های حمل ونقل می شود و امروزه به عنوان راهکار مناسب برای حل بسیاری از مشکلات ترافیکی شناخته شده است. مدیریت تقاضا بیش تر بر جابه جایی مسافر و کالا تاکید می کند تا بر وسایل نقلیه. بنابراین انواع مدهای حمل ونقل همچون پیاده روی، دوچرخه سواری و حمل ونقل عمومی خصوصا در شرایط ترافیک سنگین، افزایش گزینه های توسعه حمل و نقل عمومی، توسعه حمل و نقل غیر موتوری، زمان کار شناور(Flextime) و بهبود تاکسیرانی را شامل می شود.

از استراتژی های مدیریت تقاضا برای کاهش نیاز به سفرهای فیزیکی و کارآمد کردن کاربری زمین و مدیریت پارکینگ می توان به رشد هوشمند، شهرنشینی مدرن و مدیریت پارکینگ اشاره کرد.

خط مشی هایی که در این مقوله مد نظر قرار می گیرند، امکان استفاده از زمان های مختلف برای سفر، مد های سفر و مسیرهای مختلف را برای مردم فراهم می آورد و حتی برخی از این راهکارها باعث کاهش سفرهای فیزیکی می شود.

از دهه ۹۰ میلادی متخصصان حمل ونقل دریافتند که مصرف کنندگان ظرفیت ها و امکانات جدید را در مدت کوتاهی بلعیده و به دلیل رقابت شدید میان توسعه دهندگان راه و جاده و تولیدکنندگان خودروهای راحت و ارزان، تلاش های عمرانی بی اثر شده و ایمنی راه ها نیز روز به روز درحال کاهش است.

از طرف دیگر پیشرفت فناوری های روز به ویژه حسگرها و دستگاه های الکترونیکی شرایط مناسبی را برای ایجاد ارتباط بلادرنگ یا آنی میان برنامه ریزان، مراکز مدیریت ترافیک، خودروها و نیز ارائه وضعیت ترافیکی جاده ها فراهم آورده است. در نتیجه امکان ایجاد مدیریت هوشمندانه، هدفمند و هماهنگ به منظور ارتقای بهره وری و افزایش کارآیی شبکه های حمل ونقل محقق شده و به این ترتیب در ابتدای دهه ۹۰ میلادی سیستم های حمل ونقل هوشمند (ITS) به مفهوم امروزی آن متولد شدند. البته پروژه هایی نظیر نصب دوربین در تقاطع های شهری و نیز کنترل هوشمند زمان بندی چراغ های راهنمایی متناسب با حجم ترافیک در دهه ۷۰ در بسیاری از کشورها آغاز شده بود. اما عبارت سیستم حمل ونقل هوشمند، برای اولین بار در سال ۱۹۹۰ در آمریکا به بحث مدیریت حمل ونقل وارد شد و کلیه پروژه ها و فناوری های مرتبط با موضوع و به خصوص روابط تعاملی بین آنها در یک ساختار کلان و به هم مرتبط (Integrate) را دربر گرفت


 

وب معنایی

11:25, 10/27,2013
وب معنایی را می‌‌شود فضایی جهانی از جنس محاسبات هوشمند ماشینی تصوّر کرد که در آن تمامی کتاب‌ها، کتاب‌خانه‌ها دانشها، دانش‌نامه‌ها و دانشگاه ها (پایگاه‌های دانش‌ - Knowledge bases) به صورتی معنی‌گرا و با توانایی درک مفهومی همدیگر در کنار هم قرار خواهند گرفت. آقاي Tim Berners-Lee،  آينده وب را بصورتي بيان کرده که بر خلاف وب کنوني فقط توسط انسانها قابل فهم نباشد بلکه توسط ماشين ها نيز قابل درک و پردازش است. ايده وب معنايي نيز از همين نکته منشا مي گيرد. در زير سه تعريف مختلف از وب معنايي ارائه شده است:

پروژه اي با هدف ايجاد رسانه اي جهاني براي رد و بدل کردن اطلاعات بصورتي که براي کامپيوتر قابل فهم و پردازش باشد.

وب معنايي، شبکه اي از اطلاعات در مقياس جهاني است به نحوي است که پردازش آنها توسط ماشين ها به سادگي امکان پذير است.

وب معنايي شامل داده هاي هوشمند وب است که توسط ماشين ها قابل پردازش است.

هر چند نزدیکی به تحقّقّ ایجاد چنان فضایی محتاج پیشرفت‌هایی جدید و کلّی‌نگرانه در بسیاری از زمینه‌های مهندسی، ریاضی، هوش مصنوعی، و به ویژه در زبان‌شناسی، فلسفه، و بسیاری از معارف دیگر انسانی خواهد بود، گام‌های اوّلیّه در این سمت برداشته شده است.

 

انواع تکنیک های استخراج دانش

10:33, 10/27,2013

با این جمله تاثیرگذار آقای پیتر دراکر در کتاب مدیریت در قرن 21 شروع می کنیم " دانش دنیا در هر هفتاد روز دو برابر می شود " این جمله به این معناست که در دورانی بسر می بریم که سرعت تولید دانش در هر هفتاد روز دو برابر است. از طرفی دیگر برخی تحقیقات و یافته های تجربی نیز نشان داده که هر کارشناس زبده و دانشکار به طور میانگین هر دو هفته یکبار یک آموخته ارزشمند خلق می کند. نکته مهم این است که اگر این آموخته ها و دانش ها به سرعت، به موقع و به صورت نظامند استخراج نگردد، پس از مدتی فراموش خواهد شد و سازمان دچار معضلی به نام فراموشی سازمانی می گردد که سازمان را دچار عارضه ها و چند باره کاری های تمام نشدنی خواهد کرد. استخراج دانش و تجارب مناسب، مرتبط و ارزشمند از خبرگان و پروژه ها و بهره برداری از این تجارب و آموزه ها کاری است که استخراج دانش می بایست انجام دهد. اگر سازمانی هستید که می خواهید از راهکار استخراج دانش استفاده کنید، در ابتدا باید این را بدانید که برای برطرف سازی شکاف های دانشی کدام یک از حوزه های دانشی، راهکار استخراج دانش مناسب تر است، یعنی زمانی باید از استخراج دانش استفاده کنید که نیازمند مهارت و تجربه جهت ایجاد راهکارهای جدید برای حل مسائل و مشکلات سازمانی هستید. استخراج دانش نیازمند مقدماتی مهم است و یکی از اصلی ترین این مقدمات اندازه گیری دانش ضمنی و آشکار است که خروجی آن همان خلاء های دانشی سازمان خواهد بود و در این مرحله است که تشخیص می دهیم که راهکار مناسب در حوزه مدیریت دانش، استخراج دانش است یا خیر؟ از آنجا که بسیاری از شرکت های ایرانی علاقه مند به تعریف پروژه های استخراج دانش، چه استخراج دانش خبرگان و چه استخراج آموخته های پروژه هستند، باید بدانید که شاخص شما فقط نباید این باشد که کدام دانش ارزش افزوده بیشتری برای سازمان دارد، بلکه می بایست آنالیز ریسک دانش را نیز مورد توجه قرار دهید، یعنی ریسک استخراج کدام دانش بالاست که ارزش از دست دادن اعتبار در سازمان را ندارد. 

بنابراین با توجه به اهمیت استخراج دانش از خبرگان، پروژه ها و به طور کل ذینفعان و فقدان استفاده از تکنیک های متنوع در شرکت های ایرانی، در زیر به معرفی انواع تکنیک ها با رویکرد استخراج دانش می پردازیم: 

  1. تکنیک داستان سرایی (Story telling)
  2. تکنیک مصاحبه های نیمه ساخت یافته (Semi-Structured interview) 
  3. تکینک مصاحبه خروج (Exit Interviews) 
  4. تکنیک درخت های دانشی (Knowledge Trees) 
  5. تکنیک ماتریس های دانشی (Knowledge matrices)
  6. تکنیک نقشه های دانشی (Knowledge maps) 
  7. تکنیک مشاهده (observation)
  8. تکنیک تفسیر رویداد (Commentating) 
  9. تکنیک یادگیری در عمل با توجه به نیاز سازمان (Business driven action learning)
  10. تکنیک برنامه زمانی (Time line)
  11. تکنیک یادگیری بعد از اقدام (After action review)
  12. تکنیک مرتب سازی کارت (Card sorting) 
  13. تکنیک 20 سوالی  20Questions  
  14. تکنیک مرور یادگیری عملکرد (Performance learning review)
  15. تکنیک اکتساب عمیق دانش ها (Deep Knowledge)
  16. تکینک 3 گانه (Triadic Elicitation)
  17. تکنیک Tech back
  18. تکینک های بازی 
  19. تکنیک بازدیدهای دانشی (Site Knowledge visit) و...
هر کدام از  تکنیک های اشاره شده در بالا دارای مراحل و جزئیات اجرایی خاص خود است و تعدد تکنیک های موجود در استخراج دانش نشان دهنده این است که تکنیک استخراج دانش بر خلاف پروژه های استخراج دانش انجام شده یا در حال انجام در شرکت های ایرانی فقط مصاحبه نیمه ساختاریافته نیست. هر کدام از تکنیک ها با توجه به نوع دانشی که قصد استخراج آن را دارید(دانش فنی، مدیریتی و...)، ویژگی های خاص خبرگان، ذینفع مورد نظر جهت استخراج دانش (مشتری، تامین کننده و...)، نوع تجارب و آموخته های پروژه و به طور کل هدف سازمان از استخراج دانش انتخاب خواهد شد. 

 

خوش آمدید!

10:33, 10/27,2013
خواندن این مطلب به این معنی است که مراحل ثبت نام با موفقیت به پایان رسیده و شما می توانید شروع به کار با وبلاگ نمائید

 
«قبلي   1 2 3