زمینه های پژوهشی

`

منطق فازی (به انگلیسی: fuzzy logic) اولین بار در پی تنظیم نظریهٔ مجموعه‌های فازی به وسیلهٔ پروفسور لطفی زاده (۱۹۶۵ م) در صحنهٔ محاسبات نو ظاهر شد. واژهٔ fuzzy به معنای غیردقیق، ناواضح و مبهم (شناور) است. کاربرد این بخش در علوم نرم‌افزاری را می‌توان به‌طور ساده این‌گونه تعریف کرد: منطق فازی از منطق ارزش‌های «صفر و یک» نرم‌افزارهای کلاسیک فراتر رفته و درگاهی جدید برای دنیای علوم نرم‌افزاری و رایانه‌ها می‌گشاید، زیرا فضای شناور و نامحدود بین اعداد صفر و یک را نیز در منطق و استدلال‌های خود به کار برده و به چالش می‌کشد. منطق فازی از فضای بین دو ارزش «برویم» یا «نرویم»، ارزش‌های جدید «شاید برویم» یا «می‌رویم اگر» یا حتی «احتمال دارد برویم» را استخراج کرده و به کار می‌گیرد. بدین ترتیب به عنوان مثال مدیر بانک پس از بررسی رایانه‌ای بیلان اقتصادی یک بازرگان می‌تواند فراتر از منطق «وام می‌دهیم» یا «وام نمی‌دهیم» رفته و بگوید: «وام می‌دهیم اگر…» یا «وام نمی‌دهیم ولی…».

منطق فازی بیش از بیست سال پس از ۱۹۶۵ از درگاه دانشگاه‌ها به بیرون راه نیافت زیرا کمتر کسی معنای آن را درک کرده بود. در اواسط دهه ۸۰ میلادی قرن گذشته صنعتگران ژاپنی معنا و ارزش صنعتی این علم را دریافته و منطق فازی را به کار گرفتند. اولین پروژه آن‌ها طرح هدایت و کنترل تمام خودکار قطار زیرزمینی شهر سندای بود که توسط شرکت هیتاچی برنامه‌ریزی و ساخته شد. نتیجهٔ این طرح موفق و چشم‌گیر ژاپنی‌ها به‌طور ساده این‌گونه خلاصه می‌شود: آغاز حرکت نامحسوس (تکان‌های ضربه‌ای) قطار، شتاب‌گرفتن نامحسوس، ترمز و ایستادن نامحسوس و صرفه جویی در مصرف برق. از این پس منطق فازی بسیار سریع در تکنولوژی دستگاه‌های صوتی و تصویری ژاپنی‌ها راه یافت (از جمله نلرزیدن تصویر فیلم دیجیتال ضمن لرزیدن دست فیلم‌بردار). اروپایی‌ها بسیار دیر، یعنی در اواسط دههٔ ۱۹۹۰ میلادی، پس از خوابیدن موج بحث‌های علمی در رابطه با منطق فازی استفادهٔ صنعتی از آن را آغاز کردند.

مطالب بیشتر

علم داده (Data Science) یا علوم داده ، دانشی میان‌رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌محور است.

آقایان توماس دونپورت و دی جی پاتیل در سال ۲۰۱۲ در مقاله «علم داده: جذاب‌ترین شغل قرن بیست و یکم» متخصصین علم داده را این‌طور تعریف می‌کنند: کسانی که می‌دانند چگونه می‌توان از انبوه اطلاعات بدون ساختار پاسخ سوالهای کسب‌وکار را پیدا کرد.

استنتون در سال ۲۰۱۳ علم داده را این‌طور تعریف می‌کند: علم داده رشته در حال ظهوری است که به جمع‌آوری، آماده‌سازی، تحلیل، بصری‌سازی، مدیریت و نگهداشت اطلاعات در حجم بالا می‌پردازد. دریسکول در سال ۲۰۱۴ علم داده را این‌طور تعریف می‌کند: علم داده مهندسی عمران داده‌هاست. متخصص علم داده دانشی کاربردی از داده‌ها و ابزارها دارد به علاوه درک تئوریکی دارد که مشخص می‌کند چه چیزی از نظر علمی ممکن است.

مطالب بیشتر

متخصصین علم داده می‌توانند مهارت‌هایشان را برای دست یابی به طیف وسیعی از نتایج نهایی به کار گیرند. تعدادی از این مهارتها به شرح زیرند:

  • توانایی استخراج و تفسیر منابع داده
  • مدیریت حجم زیاد اطلاعات با سخت‌افزار
  • محدودیت‌های نرم‌افزاری و پهنای باند
  • ادغام منابع داده با یک دیگر
  • تضمین پایداری مجموعه‌های داده
  • مصورسازی داده برای فهم آن
  • ساخت مدل‌های ریاضی با استفاده از داده، مانند مدلهای ریگرسیون و طبقه بندی
  • مقایسه آماری مدلهای ریاضی گوناگون و انتخاب مدل برتر، فی المثل توسط آزمون آ/ب
  • به اشتراک گذاری یافته‌ها و دیدگاه‌ها در حوزه داده با متخصصان دیگر یا مخاطب عام

مطالب بیشتر

عبارت علم داده بیش از یک دهه است که موجودیت دارد. ویلیام کلیولند اولین کسی است که اصطلاح علم داده را در سال ۲۰۰۱ مطرح کرده‌است. وی در مقاله «علم داده: برنامه‌ای برای گسترش جنبه‌های فنی در رشته آمار» پیشنهاد کرد که علم داده به عنوان یک رشته مستقل شناخته شود. کلیولند این رشته جدید را مرتبط با علوم کامپیوتر و داده‌کاوی می‌دانست.

وی بر این باور بود که منافع استفاده از یک تحلیلگر داده محدود است. چون مهندسین کامپیوتر شناخت کمی از روشهای کار با داده دارند و دانش محاسباتی متخصصین آمار هم محدود است؛ بنابراین تلفیق این دو گروه می‌تواند منجر به نوآوری‌های زیادی شود. دپارتمانهای علم داده باید اساتیدی داشته باشد که بتوانند دانش داده‌ها را با دانش محاسبات تلفیق کنند.

با این که عبارت علم داده عبارت جدیدی است، این حرفه سالهاست که وجود داشته‌است. ناپلئون بناپارت از مدلهای ریاضی برای تصمیم‌گیری در میادین جنگی استفاده می‌کرده‌است. این مدلها را ریاضیدانان تهیه می‌کردند.

مطالب بیشتر

تصویرسازی داده‌ها (Data Visualization) به معنی ایجاد و مطالعه نمایش بصری داده، یعنی «اطلاعات چکیده‌شده به یک شکل شماتیک، شامل خواص یا متغیرهای مربوط به واحدهای اطلاعاتی» است. به گفته فریدمن (۲۰۰۸) «هدف اصلی تصویرسازی داده‌ها ارتباط واضح و کارآمد اطلاعات از طریق ابزارهای گرافیکی است. البته به این معنی نیست که تصویرسازی داده‌ها برای کارآمدی باید خسته‌کننده به نظر بیاید یا برای زیبا بودن باید پیچیده باشد. برای انتقال کارآمد ایده‌ها، هر دو شکل زیبا و کارآمدی باید دوشادوش پیش رفته باشند و دانش مربوط به مجموعه‌ای پیچیده و پراکنده از اطلاعات را با نمایش نوآورانه جنبه‌های کلیدی آن، انتقال دهند. با این وجود طراحان معمولا نمی‌توانند توازن میان شکل و کارآمدی را رعایت کنند و تجسم زیبایی از داده‌ها ایجاد می‌کنند که در اصلی‌ترین ماموریت خود – انتقال اطلاعات – باز می‌مانند». فرناندا ویگاس و مارتین واتنبرگ معتقدند تصویرسازی داده‌ها نه‌تنها باید ارتباطی واضح ایجاد کند بلکه باید توجه و درگیری بیننده را نیز موجب شود.

تصویرسازی داده‌ها ارتباطی نزدیک با گرافیک اطلاعات، تجسم اطلاعات، تجسم علمی و گرافیک آماری دارد. در هزاره جدید، تصویرسازی داده‌ها حوزه‌ای فعال برای تحقیق، آموزش و توسعه شده است. امروزه بسیاری معتقدند تصویرسازی داده‌ها توانسته تجسم علمی و اطلاعاتی را با هم متحد کند. برایان ویلیسون ثابت کرده است تصویرسازی داده‌ها با فراگیری توسعه سریع نرم‌افزار و درگیری مشتریان نیز ارتباط دارد.

مطالب بیشتر

عبارت مدیریت ارتباط با مشتری یا CRM از اوایل دهه نود میلادی وارد حوزه مدیریت و بازاریابی شده است. ظاهراً اصطلاح سی آر ام یا مدیریت ارتباط با مشتریان از زمانی که توماس سیبل، مدیر و مالک Siebel Systems عنوان «مدیریت ارتباط با مشتری» را در مورد نرم افزار تولیدی خود به کار برد،

به تدریج درادبیات مدیریت و بازاریابی رایج شد (منبع). هنوز در مورد تعریف مدیریت ارتباط با مشتری یا Customer Relationship Management، اتفاق نظری وجود ندارد. بسیاری از شرکتهای فعال در حوزه تکنولوژی اطلاعات، CRM یا مدیریت ارتباط با مشتری را مجموعه نرم افزارها یا خدماتی میدانند که به اتوماسیون بازاریابی، فروش و خدمات کمک می کند؛ CRM با این تعریف، تا حد زیادی به حوزه ی تکنولوژی نزدیک می شود.

بخش دیگری از فعالان حوزه مدیریت، تاکید دارند که CRM نگرشی با تاکید بر ایجاد، حفظ و توسعه و تعمیق رابطه با مشتریان است. در این نگرش، ممکن است از تکنولوژیهای روز استفاده بشود یا نشود. حتی کتابهایی در حوزه CRM وجود دارند که برای تاکید به جنبه های مدیریتی در مدیریت ارتباط با مشتری، هیچگونه اشاره جدی به امکان استفاده از تکنولوژی در این حوزه نکرده اند.

مطالب بیشتر