هم اکنون در کشور ایران، فرآیند هدایت تحصیلی از پایه اول متوسطه آغاز می شود. در این فرآیند دانش آموزان پایه اول متوسطه، به یکی از رشته های موجود در شاخه ای تحصیلی نظری، فنی و حرفه ای یا کاردانش هدایت خواهند شد. با توجه به وجود تنوع رشته های تحصیلی در شاخه های فنی و حرفه ای یا کاردانش، دانش آموزان علاقه مند به ادامه تحصیلی در این شاخه ها با مشکلاتی همچون شناسایی پیش نیازهای مهارتی یا استعدادی هر رشته تحصیلی مواجه می-شوند. مشکل اساسی که در پیش ِروی هدایت تحصیلی این گونه محصلین قرار گرفته است؛ وجود روابط پیچیده ی تحصیلی برای هر یک از رشته های تحصیلی می باشد. از جمله ی راهکارهایی که اخیراًٌ برای تجزیه و تفسیر داده های تحصیلی پیشنهاد گردیده است؛ استفاده از شیوه داده کاوی تحصیلی می باشد. در این پژوهش، ضمن معرفی و به کارگیری قابلیت های داده کاوی تحصیلی، سعی کرده ایم تا با کمک سوابق تحصیلی هنرجویانِ موفق هنرستان های فنی وحرفه ای شهرستان شیراز، یک مدل داده ای مدون را برای پیش بینی رشته-های مهارتی تبیین نماییم. در این تحقیق به صورت مرحله به مرحله، پیشنهادهایی همچون به کارگیری الگوریتم های مدل سازی پایه و تلفیق نتایج مدل های تولیدشده را مورد تحلیل و ارزیابی قرار داده ایم. پس از ارزیابی نتایج این پژوهش مشخص می شود که با الگوریتم های بررسی شده در این پژوهش و همچنین تکیه بر سوابق تحصیلی دانش آموزان اول متوسطه، دانش کافی برای هدایت تحصیلی به رشته های فنی وحرفه ای وکاردانش را تولید نمی کند.

تصمیم گیری در بازار بورس چالش برانگیز است، زیرا این بازار دارای محیطی اتفاقی، غیرخطی و غیرقطعی است. بازارهای بورس از عواملی مانند اندیکاتورهای بازار، عوامل اقتصاد خرد و کلان و خبرها تأثیر می گیرند. خبرها یکی از عوامل تأثیرگذار بر بازار هستند که در سال های اخیر توجه پژوهشگران را به خود جلب کرده اند. در صورت تحلیل درست و موفقیت آمیز اخبار، می توان از پیش بینی حاصله برای معامله سهام استفاده کرده و به سود رسید. این پایان نامه سیستم پشتیبان تصمیمی برای پیش بینی قیمت سهام با استفاده از خبر در بازار بورس تهران ارائه می کند. با این هدف، با استفاده از متن کاوی به استخراج انواع ویژگی از خبرها می پردازیم. سپس به منظور دسته بندی خبرها در دو دسته مثبت و منفی، تعدادی از ویژگی ها انتخاب شده و به دسته بندهای ماشین بردار پشتیبان و شبکه عصبی ارائه می شوند. بر اساس مقایسه چندین نوع ویژگی و دو دسته بند نتیجه گرفته می شود که ویژگی ترکیب کلمات و دسته بند ماشین بردار پشتیبان برای فارسی عملکرد خوبی دارند. همچنین شبیه سازی معامله حاکی از آن است که پیش بینی قیمت با استفاده از خبر بالقوه سودآور است. علاوه بر این با ارائه روشی جدید برای خارج کردن ویژگی های قدیمی از دایره کلمات دسته بند، دقت دسته بند و سود شبیه سازی افزایش یافته و به ترتیب به 74.7% و 18.1% می رسد. مقدار سود مذکور برای بازه ای دوماهه است.

امروزه اهمیت و توانایی داده کاوی در کشف دانش داده ها بر کسی پوشیده نیست. سازمان ها و شرکت های موفق در دنیای رقابتی امروز که دستیابی به داده های جدید را به عنوان یک مزیت رقابتی پذیرفته اند، به سرعت به این عرصه ورود پیداکرده و با استفاده از نتایج حاصل از این دانش، مسیر حرکت آینده کسب وکار خود را شفاف تر می سازند. سازمان هایی که با مشتریان خود به صورت اعتباری و فروش اقساطی در تعامل هستند، مواجهه با پدیده بدحسابی و دزدی را یکی از عوامل محدودکننده و درعین حال هزینه ساز برای خود می دانند که از یک سو می بایست هزینه های زیادی را برای وصول این بدهی ها تقبل نموده و از سوی دیگر محدودیت های ناشی از این کمبود نقدینگی، پیمودن مسیر آینده را دشوار ساخته است. یکی از شرکت هایی که با این مسئله درگیر است شرکت گاز می باشد. چالشی که در مورد شرکت گاز در این پایان نامه مورد بررسی قرار می گیرد، بررسی دستکاری و یا خرابی کنتورهای گاز با توجه به داده های جمع آوری شده می باشد.

امروزه سازمان هایی مانند شرکت گاز که با مشتریان خود بصورت اعتباری و فروش اقساطی در تعامل هستند، مواجهه با پدیده بدحسابی و تقلب (دستکاری کنتور) را یکی از عوامل محدودکننده و در عین حال هزینه ساز برای خود می دانند که هزینه های زیادی را برای وصول این بدهی ها می‎بایست تحمل نمایند. در این شرکت ابتدا خدمات ارائه می شود و سپس هزینه آن دریافت می شود که سبب بروز مشکلات زیادی برای این شرکت گشته است. تمرکز ما در این پایان نامه بر روی تشخیص خرابی یا دستکاری کنتور گاز می باشد. امروزه سعی می شود برای این مشکل راه حل مناسبی پیدا شود، در این راستا در این پروژه می کوشیم تا با پیش بینی میزان مصرف گاز برای هر مشترک، کنتورهایی که دارای خرابی هستند را تشخیص دهیم.