ডেটা মাইনিংর ইতিহাস
ডেটা মাইনিং হলো রিপোজিটরিয়ে সংরক্ষিত প্রচুর পরিমাণ ডেটায় থেকে উপযোগী নতুন কোরিলেশন, প্যাটার্ন এবং ট্রেন্ড খুঁজে বের করার প্রক্রিয়া, যেখানে প্যাটার্ন রিকগনিশন টেকনোলজি включая পরিসংখ্যান ও গাণিতিক কৌশল ব্যবহার করা হয়। এটি তথ্যবহুল ডেটাসেটের বিশ্লেষণ যাতে অনাকাঙ্ক্ষিত সম্পর্ক আবিষ্কার করা যায় এবং রেকর্ডهاকে নতুন পদ্ধতিতে সারসংক্ষেপ করা যায় যেগুলো ডেটা মালিকের জন্য যৌক্তিক এবং উপকারী হয়।
এটি তথ্যের বড় পরিমাণ নির্বাচন, অন্বেষণ এবং মডেলিং এর প্রক্রিয়া যাতে নিয়মিততা বা সম্পর্ক খুঁজে বের করা যায় যা প্রথমে অজানা ছিল, ডেটাবেস মালিকের জন্য স্পষ্ট এবং লাভদায়ক ফলাফল পাওয়ার জন্য।
ডেটা মাইনিং ডেটা সায়েন্সের সমান। এটি একজন ব্যক্তি দ্বারা, নির্দিষ্ট পরিস্থিতিতে, নির্দিষ্ট ডেটা সেটে, একটি লক্ষ্যে সম্পন্ন হয়। এই ফেজে বিভিন্ন ধরনের সার্ভিস থাকে যার মধ্যে টেক্সট মাইনিং, ওয়েব মাইনিং, অডিও এবং ভিডিও মাইনিং, চিত্র ডেটা মাইনিং এবং সোশ্যাল মিডিয়া মাইনিং। এটি সফ্টওয়্যারের মাধ্যমে সম্পন্ন হয় যা সহজ বা অত্যন্ত নির্দিষ্ট হতে পারে।
আউটসোর্সিং ডেটা মাইনিং করলে সारा কাজ দ্রুত এবং কম অপারেশনাল খরচে হতে পারে। নির্দিষ্ট ফার্মরা নতুন টেকনোলজি ব্যবহার করে ম্যানুয়ালি খুঁজে পাওয়া অসম্ভব ডেটা সংরক্ষণ করতে পারে। একাধিক প্ল্যাটফর্মে টন Tonnen ডেটা উপলব্ধ, কিন্তু খুব সীমিত জ্ঞান অ্যাক্সেসযোগ্য।
ডেটায় উপযোগী প্যাটার্ন খুঁজে বের করার পদ্ধতিকে বিভিন্ন নামে ডাকা হয়েছে, যার মধ্যে ডেটা মাইনিং, নলেজ এক্সট্রাকশন, ডেটা ডিসকভারি, ডেটা হারভেস্টিং, ডেটা আর্কিয়োলজি এবং ডেটা প্যাটার্ন প্রসেসিং। ডেটা মাইনিং পরিসংখ্যানবিদ, ডেটা অ্যানালিস্ট এবং ম্যানেজমেন্ট ইনফরমেশন সিস্টেম (MIS) কমিউনিটিগুলো দ্বারা ব্যবহৃত হয়েছে।
এটি ডেটাবেস এরিয়ায় জনপ্রিয়তা পেয়েছে। ডেটাবেসে জ্ঞান আবিষ্কার প্রক্রিয়া ১৯৮৯ সালে প্রথম KDD ওয়ার্কশপে উদ্ভাবিত হয়েছিল (Piatetsky-Shapiro 1991) যাতে জ্ঞান ডেটা-চালিত আবিষ্কারের চূড়ান্ত ফলাফল বলে প্রমাণিত হয়। এটি কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং এরিয়ায় জনপ্রিয় হয়েছে।
KDD ডেটা থেকে উপযোগী জ্ঞান আবিষ্কার করার সম্পূর্ণ প্রক্রিয়াকে সংজ্ঞায়িত করে, এবং ডেটা মাইনিং এই প্রক্রিয়ার একটি নির্দিষ্ট ধাপকে সংজ্ঞায়িত করে। ডেটা মাইনিং ডেটা থেকে প্যাটার্ন বের করার জন্য নির্দিষ্ট অ্যালগরিদমের অ্যাপ্লিকেশন। KDD প্রক্রিয়া এবং ডেটা-মাইনিং ধাপ (প্রক্রিয়ার মধ্যে) এর পার্থক্য এই বিষয়ের একটি কেন্দ্রিয় বিন্দু।
KDD প্রক্রিয়ার আরও ধাপها, যার মধ্যে ডেটা প্রস্তুতি, ডেটা সিলেকশন, ডেটা ক্লিনিং, উপযুক্ত পূর্বজ্ঞানের সংহতকরণ এবং মাইনিং ফলাফলগুলির সঠিক বিশ্লেষণ, উপযোগী জ্ঞান ডেটা থেকে রূপান্তরিত হোক তা নিশ্চিত করতে গুরুত্বপূর্ণ।
ডেটা-মাইনিং কৌশলهای আন্ধা প্রয়োগ (সঠিকভাবে পরিসংখ্যান সাহিত্যে ডেটা ড্রেজিং বলে সমালোচিত) একটি বিপজ্জনক কার্যকলাপ, যা সহজেই অর্থহীন এবং অবৈধ ডিজাইন আবিষ্কারের দিকে নিয়ে যেতে পারে।
