موضوع:
تست و پاسخنامه تشریحی ریاضی ششم ابتدایی ویژه آزمون تیزهوشان (قسمت اول)
یکی از راه های موفقیت در آزمون های ورودی، حل تمرین و تستهای مختلف است. برای موفقیت در آزمون ورودی مدارس استعدادهای درخشان و نمونه دولتی نیز باید تمرینات مختلف را حل کرد.
کتابها و جزوه های زیادی در بازار یا اینترنت وجود دارد که حاوی انواع سؤالات و تستها است. اما آنچه مهم است، نکات کلیدی و پاسخنامه تشریحی تست هاست که در کمتر کتاب یا جزوه ای وجود دارد و اگر هم هست، با قیمت زیادی باید خریداری شود.
این فایل حاوی ۱۵ سؤال تستی ریاضی ششم ابتدایی مربوط به بحث عددنویسی و خط است. شاید تعداد تستها کم به نظر برسد، اما در انتخاب آنها دقت شده که هر کدام در بر گیرنده یک نکته ناب آموزشی باشد که بتواند در حل تستهای مشابه کمک کند.
پاسخنامه تشریحی تستها، نکات آموزشی هر تست را یادآور شده و سپس به حل تست می پردازد. مسلما یادگیری این نکات قدم مؤثری در راه موفقیت در آزمون استعدادهای درخشان یا مدارس نمونه دولتی خواهد بود.
قسمت های بعدی این تستها نیز به تدریج آماده و ارائه خواهد شد. تستها بر اساس کتاب ریاضی پایه ششم ابتدایی و به تفکیک مباحث این کتاب است.
دسته: کامپیوتر
حجم فایل: 1286 کیلوبایت
تعداد صفحه: 66
درخت تصمیم گیری decision tree
داده کاوی: Data mining
کمپانی های زیادی از ابزارهای داده کاوی بهره گرفته اند تا بتوانند داده های حجیم و گسترده را مورد تجزیه و تحلیل قراد داده و روندهای موجود را بیابند. به عنوان نمونه فروشگاه بزرگ وال-مارت یکی از بزرگترین فروشگاههای زنجیره ای اقدام به ایجاد پایگاه عظیمی از داده ها به حجم 24ترابایت (ترلیون بایت) نموده است. با استفاده از این پایگاه وال _مارت قادر است تا بطور همزمان اقدام به گردآوری و تحلیل روند فروش کالا در2900شعبه فروش نماید. شاید جالب توجه باشد که بکمک ابزار هوشمندداده کاوی یا اکتشاف روند داده ها، فروشگاه فوق می تواند اطلاعات کلیه خریدها در سطوح هر بخش از فروشگاه، موجودی کالا درهر قفسه، موجودی انبار، پیش بینی فروش، کاهش یا افزایش قیمت ها، کالاهای مرجوعی توسط مشتریان و… را گردآوری نموده ودر اختیار مدیران فروشگاه، توزیع کنندگان و مشتریان خود قرار می دهد. این فناوری نرم افزاری قدرت مانور بی نظیری برای وال _ مارت ایجاد کرده است تا بتواند کالاهای مناسب را در کوتاهترین زمان به هر یک از فروشگاههای متقاضی برساند.
درخت تصمیم گیری
درخت تصمیم گیری یکی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد. درخت تصمیم گیری برخلاف شبکه های عصبی به تولید قانون می پردازد. یعنی درخت تصمیم گیریپیش بینی خود را در قالب یکسری قوانین توضیح می دهد در حالیکه در شبکه های عصبی تنها پیش بینی بیان می شود و چگونگی آن در خود شبکه پنهان باقی می ماند. همچنین در درخت تصمیم گیری بر خلاف شبکه های عصبی لزومی ندارد که داده ها لزوما بصورت عددی باشند.
بعضی موارد وجود دارد که تنها درستی دسته بندی و پیش بینی مهم است و لزوما توضیحی برای پیش بینی انجام شده لازم نمی باشد. بعنوان مثال می توان یک شرکت مخابراتی را در نظر گرفت که می خواهد ببیند کدامیک از مشتریانش به خدمت جدیدی که ارائه می شود پاسخ مثبت می دهند. برای این شرکت درستی پیش بینی مهم است و شاید علت و توضیحی در مورد پیش بینی نیاز نداشته باشد. در حالیکه یک شرکت که قصد بازاریابی و کسب یکسری مشتری جدید دارد علاقه مند است که بداند که ویژگیهای مشتریانی که احتمالا به محصول این شرکت پاسخ می دهند چیست. در واقع با اطلاع ازاین ویژگیها این شرکت می تواند سراغ افرادی برود که با احتمال بیشتری به محصول این شرکت پاسخ مثبت می دهند. بعبارت دیگر این شرکت نیاز به یکسری قانون برای انجام بهتر فعالیت بازاریابی خود دارد. یکی از این قانونها می تواند بصورت زیر باشد