شرح مختصر : مسئول ثبت نام کلیه درس های قابل ارائه در موسسه و شرایط ثبت نام را به کارآموز ارائه می دهد. کار آموز می تواند دروس مورد نظر خود را انتخاب وبه سیستم ثبت نام ارائه دهد. سیستم ثبت یکسری اعمال کنترلی را برروی دروس انتخابی کارآموز انجام می دهد ، در قسمت مالی هزینه درس های انتخابی بررسی می شود و هزینه نهایی به کارآموز اعلام می شود و از او در مورد تایید نهایی سوال می شود. اگر پاسخ بلی باشد اطلاعات ثبت و در بانک ذخیره میشود وگرنه از سیستم ثبت نام خارج می شود.
مدیر آموزشگاه یک سری دروس را برای کارآموزان ارائه می دهد و لیست دروس انتخابی را به مسؤل ثبت نام آموزشگاه می دهد مسئول ثبت نام کلیه درس های قابل ارائه در موسسه و شرایط ثبت نام را به کارآموز ارائه می دهد. کار آموز می تواند دروس مورد نظر خود را انتخاب وبه سیستم ثبت نام ارائه دهد. سیستم ثبت یکسری اعمال کنترلی را برروی دروس انتخابی کارآموز انجام می دهد.
۱ – ابتدا بررسی می کند که مهلت ثبت نام در هیچ یک از دروس به اتمام نرسیده باشد.
۲ – سپس جنسیت کارآموز بررسی می شود و اگر کلاس انتخابی ویژه آقایان بوده ولی کارآموز زن باشد به سیستم اعلام می گردد و بالعکس.
۳ – سپس اگر ظرفیت کلاس قبلا تکمیل شده باشد اعلام میگردد.
۴ – در مرحله آخر تداخل دروس انتخابی بررسی می شود.
بعد انجام این مراحل اگر خطایی گزارش نشد ، در قسمت مالی هزینه درس های انتخابی بررسی می شود و اگر کارآموز قبلا هم در موسسه مشغول به تحصیل بوده و طلب یا بدهی داشته باشد مجموع آن محاسبه شده و هزینه نهایی به کارآموز اعلام می شود و از او در مورد تایید نهایی سوال می شود. اگر پاسخ بلی باشد اطلاعات ثبت و در بانک ذخیره میشود وگرنه از سیستم ثبت نام خارج می شود.
فهرست :
چکیده
سناریوی ثبت نام
سیستم ثبت نام آموزشگاه
سناریوی سیستم کنترل کلاسها
سناریوی سیستم بررسی مالی
نتایج عملی
یوزکیس ها
سیستم ثبت نام :Sequence diagram
سیستم ثبت نام : coolaboration diagram
سیستم کنترل کلاس: Sequence diagram
سیستم کنترل کلاس : coolaboration diagram
سیستم بررسی مالی : Sequence diagram
سیستم بررسی مالی : coolaboration diagram
سیستم ثبت نام : statechart diagram
سیستم ثبت نام : class diagram
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 کرد و اطلاعات 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 پروژه 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
پرسشنامه
پروژه داده کاوی
معرفی فیلدهای پرسشنامه
مراحل انجام کار با کلمنتاین
الگوریتم C5.O
خوشه بندی
K-means
Kohonen
قواعد تلازمی
Apriori
شبکه عصبی
Neuralnet
استفاده از پارتیشن
استفاده از C5.O
استفاده از Neuralnet
استفاده از Bayes Net