เร็วกว่าเบราว์เซอร์!
23 ความสัมพันธ์: ฟิสิกส์วิศวกรรมการวิจัยดำเนินการการทำให้เห็นได้การทำเหมืองข้อความการทำเหมืองเว็บการแบ่งกลุ่มข้อมูลการแบ่งกลุ่มข้อมูลแบบเคมีนการเรียนรู้ของเครื่องระบบบริหารความสัมพันธ์ลูกค้าระบบสารสนเทศเพื่อการจัดการรายการสาขาวิชาวิทยาการคอมพิวเตอร์ธุรกิจอัจฉริยะขั้นตอนวิธีการค้นหาเพื่อนบ้านใกล้สุด k ตัวขั้นตอนวิธีของฟอร์ด-เฟิลเกอร์สันคลังข้อมูลต้นไม้ตัดสินใจปัญญาประดิษฐ์ปัญญาประดิษฐ์ทั่วไปโปรแกรมค้นหาเว็บเอสเอพี อีอาร์พีเคมบริดจ์แอนะลิติกาเครือข่ายบิตคอยน์
ฟิสิกส์วิศวกรรม
Animation of Physics ฟิสิกส์วิศวกรรม (Engineering Physics) คือการศึกษาสาขาวิชารวมกันของฟิสิกส์ วิศวกรรมและคณิตศาสตร์เพื่อพัฒนาความเข้าใจในความสัมพันธ์ของทั้งสามสาขา ฟิสิกส์พื้นฐานจะถูกรวมกับการแก้ปัญหาและทักษะด้านวิศวกรรมซึ่งจะมีการใช้งานในวงกว้าง เส้นทางอาชีพฟิสิกส์วิศวกรรมมักจะกว้างด้าน "วิศวกรรม, วิทยาศาสตร์ประยุกต์หรือฟิสิกส์ประยุกต์ ผ่านการวิจัย การเรียน การสอนหรือผู้ประกอบการทางด้านวิศวกรรม" สหวิทยาการความรู้นี้ถูกออกแบบมาสำหรับนวัตกรรมของเทคโนโลยีที่เกิดขึ้นอย่างต่อเนื่อง.
ใหม่!!: การทำเหมืองข้อมูลและฟิสิกส์วิศวกรรม · ดูเพิ่มเติม »
การวิจัยดำเนินการ
การวิจัยดำเนินงาน บ้างเรียก การวิจัยปฏิบัติการหรือ การวิจัยเชิงปฏิบัติการ เรียกย่อ ๆว่า โออาร์ (Operations research) เป็นการใช้แบบจำลองเชิงคณิตศาสตร์ สถิติ และขั้นตอนวิธีช่วยในการตัดสินใจ โดยปกติจะใช้การวิจัยดำเนินงานในการวิเคราะห์ระบบที่มีอยู่ในโลกจริงที่มีความซับซ้อน โดยมีเป้าหมายเพื่อพัฒนาเพื่อให้ได้ประสิทธิภาพที่เหมาะสมที่สุด การวิจัยดำเนินงานถือเป็นสาขาย่อยของคณิตศาสตร์ประยุกต์ คำว่าการวิจัยดำเนินงานและวิทยาการบริหารจัดการ นั้นปกติจะใช้ในความหมายใกล้เคียงกัน โดยวิทยาการบริหารจัดการนั้นปกติจะมีเฉพาะเจาะจงกับปัญหาทางด้านการบริหาธุรกิจมากกว่า ส่วนการวิจัยดำเนินงานจะเกี่ยวกับวิศวกรรมอุตสาหการซึ่งมองปัญหาเชิงวิศวกรรม โดยใช้เทคนิคโออาร์เป็นเครื่องมือในการแก้ปัญหาเหล่านั้น เครื่องมือที่ใช้ในการวิจัยดำเนินงานคือ สถิติ (statistics) การหาค่าเหมาะที่สุด (optimization) การสโทแคสติก (stochastic) ทฤษฎีแถวคอย (queuing) ทฤษฎีเกม (Game's theory) และ การจำลอง(simulation) และเนื่องจาก OR มีการใช้การคำนวณเชิงคอมพิวเตอร์จึงมีความเกี่ยวเนื่องกับวิทยาการคอมพิวเตอร์ และ นักวิจัยดำเนินงานปกติจะต้องพัฒนาหรือปรับปรุงซอฟต์แวร์เอง การวิจัยดำเนินงานมีจุดเด่นตรงที่ความสามารถในการพัฒนาระบบทั้งระบบ ไม่เฉพาะเจาะจงกับการแก้ไขปัญหาย่อยเพียงอย่างเดียว โดยนักวิจัยดำเนินงานจะแก้ปัญหาโดยพิจารณาว่า วิธีหรือเทคนิคใดที่เหมาะสมกับธรรมชาติของระบบนั้น ๆ พิจารณาเป้าหมายของการปรับปรุง และ เงื่อนไขเประสิทธิภาพเชิงเวลา และโดยมากแล้วปัญหาทางเทคนิคของการวิจัยดำเนินงานเองมักไม่สามารถแก้ได้ด้วยเทคนิคของการวิจัยดำเนินงานเท่านั้น ต้องอาศัยเทคนิคอื่นมาร่วมแก้ไขปัญหาด้ว.
ใหม่!!: การทำเหมืองข้อมูลและการวิจัยดำเนินการ · ดูเพิ่มเติม »
การทำให้เห็นได้
ำลองของการรถยนต์ที่เปลี่ยนรูปร่าง ภายหลังจากการชน การทำให้เห็นได้ หรือ วิชวลไลเซชัน (visualization) และมีการเรียกว่า จินตทัศน์ เป็นการกล่าวถึงการสร้างภาพ แผนผัง หรือ ภาพเคลื่อนไหว ใช้ในการสื่อสารแทนข้อความ โดยวิธีการนี้สามารถใช้ได้ทั้งในทางรูปธรรม และนามธรรม โดยมีทั้งการจำลองเหตุการณ์ที่เกิดขึ้นจริงในอดีต เหตุการณ์ที่ไม่สามารถมองเห็นได้ หรือการสร้างภาพในอนาคตเพื่อใช้ในการสื่อสาร การทำให้เห็นได้เป็นหนึ่งในวิธีการทำเหมืองข้อมูล โดยการสร้างภาพคอมพิวเตอร์กราฟิก ที่สามารถนำเสนอข้อมูลมากมายอย่างครบถ้วนแทนการใช้ขัอความนำเสนอข้อมูลที่มากมาย เราอาจพบข้อมูลที่ซ้อนเร้นเมื่อดูข้อมูลชุดนั้นด้วยการทำให้เห็นได้ ถ้าเรามีข้อมูลชุดหนึ่งที่มีข้อมูลอยู่จำนวน 100,000 รายการ แต่เราใช้รูปแบบการนำเสนอเป็นข้อความ ผลลัพธ์คงจะไม่เหมาะสมเพราะจะทำให้เราต้องสร้างรายงานจำนวนมหาศาล กล่าวคือ ถ้าเราสามารถใช้ภาพคอมพิวเตอร์กราฟิกมาช่วยในการนำเสนอข้อมูลชุดนี้แทนการใช้ข้อความ ผลลัพธ์คือเราไม่ต้องสร้างรายงานจำนวนมหาศาล การนำเสนอข้อมูลด้วยการทำให้เห็นได้เพียง 1 ภาพแต่สามารถแทนค่าของชุดข้อมูลจำนวนมหาศาลได้ หรือกล่าวอีกนัยหนึ่งคือ ภาพเพียง 1 ภาพอาจใช้แทนข้อมูลข่าวสารได้เป็น 100 คำหรือ 1,000 คำ จึงเป็นแนวคิดของการทำการทำให้เห็นได้ นอกจากนี้เรายังสามารถทำการโต้ตอบกับการทำให้เห็นได้ (interactive visualization) ได้อีกด้วย ซึ่งการนำเสนอข้อมูลในรูปแบบข้อความไม่สามารถโต้ตอบได้ ข้อมูลที่มีปริมาณมหาศาลถ้าสามารถนำเสนอให้เห็นในแบบการทำให้เห็นได้ อาจทำให้เราพบข้อมูลที่ซ่อนเร้นอยู่ ยกตัวอย่างเช่น ถ้าเรานำชุดข้อมูล IRIS ซึ่งเป็นข้อมูลตัวเลขของดอกไม้ชนิดหนึ่งจำนวน 150 รายการ นำชุดข้อมูลนนี้มาแสดงให้เห็นในแบบการทำให้เห็นได้โดยวิธี scatter plot เราจะเห็นว่าจุด plot ที่แสดงมีการเกาะกลุ่มกันจำนวน 3 กลุ่ม บางส่วนของกลุ่มที่ 1 intersaction กับบางส่วนของกลุ่มที่ 2 ส่วนกลุ่มที่ 3 ไม่มีส่วนใด intersaction กับกลุ่มที่ 1 และกลุ่มที่ 2 แสดงให้เห็นว่าชุดข้อมูลดอกไม้ IRIS นี้มีจำนวน 3 กลุ่มที่คล้ายคลึงกันและบางสมาชิกของกลุ่มแรกมีความคล้ายคลึงกับบางสมาชิกของกลุ่มที่ 2 ส่วนสมาชิกทั้งหมดของกลุ่มที่ 3 มีความแตกต่างกับสมาชิกในกลุ่มที่ 1 และกลุ่มที่ 2 อย่างมีนัยสำคัญ.
ใหม่!!: การทำเหมืองข้อมูลและการทำให้เห็นได้ · ดูเพิ่มเติม »
การทำเหมืองข้อความ
การทำเหมืองข้อความ (text mining) หรืออาจจะเรียกว่า "การค้นหาความรู้ในฐานข้อมูลเอกสาร" (Knowledge Discovery in Document Databases) เป็นเทคนิคเพื่อค้นหารูปแบบ (pattern) ของจากข้อความจำนวนมหาศาลโดยอัตโนมัติ โดยใช้ขั้นตอนวิธีจากวิชาสถิติ การเรียนรู้ของเครื่อง และ การรู้จำแบบ หรือในอีกนิยามหนึ่ง การทำเหมืองข้อความ คือ กระบวนการที่กระทำกับข้อความ (โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อความนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง หลักคณิตศาสตร์ หลักการประมวลเอกสาร (Document Processing) หลักการประมวลผลข้อความ (Text Processing) และหลักการประมวลผลภาษาธรรมชาติ (Natural Language Processing).
ใหม่!!: การทำเหมืองข้อมูลและการทำเหมืองข้อความ · ดูเพิ่มเติม »
การทำเหมืองเว็บ
การทำเหมืองเว็บ (web mining) เป็นส่วนหนึ่งของการทำเหมืองข้อมูล มักจะนำมาใช้ในพื้นที่ต่อไปนี้ ทำการคัดกรองสารสนเทศ, surveillance, mining of web- access logs สำหรับทำการวิเคราห์ผู้ใช้, assisted browsing, และ การบริการต่าง ๆ ที่ต่อสู้กับอาชญากรรมบนอินเทอร์เน็ต Web mining สามารถรองรับฟังก์ชันต่อไปนี้.
ใหม่!!: การทำเหมืองข้อมูลและการทำเหมืองเว็บ · ดูเพิ่มเติม »
การแบ่งกลุ่มข้อมูล
การแบ่งกลุ่มข้อมูล (data clustering) เป็นวิธีการวิเคราะห์ข้อมูล ซึ่งใช้ในการเรียนรู้ของเครื่อง การทำเหมืองข้อมูล โดยจะแบ่งชุดข้อมูล (มักจะเป็นเวกเตอร์) ออกเป็นกลุ่ม (cluster) นำข้อมูลที่มีคุณลักษณะเหมือนกัน หรือคล้ายกันจัดไว้ในกลุ่มเดียวกัน ขั้นตอนวิธีที่ใช้ในการแบ่งกลุ่มจะอาศัยความเหมือน (similarity) หรือ ความใกล้ชิด (proximity) โดยคำนวณจากการวัดระยะระหว่างเวกเตอร์ของข้อมูลเข้า โดยใช้การวัดระยะแบบต่าง ๆ เช่น การวัดระยะแบบยูคลิด (Euclidean distance) การวัดระยะแบบแมนฮัตตัน (Manhattan distance) การวัดระยะแบบเชบิเชฟ (Chebychev distance) การแบ่งกลุ่มข้อมูลจะแตกต่างจากการแบ่งประเภทข้อมูล (classification) โดยจะแบ่งกลุ่มข้อมูลจากความคล้าย โดยไม่มีการกำหนดประเภทของข้อมูลไว้ก่อน จึงกล่าวได้ว่าการแบ่งกลุ่มข้อมูล เป็นการเรียนรู้แบบไม่มีผู้สอน ขั้นตอนวิธีการแบ่งกลุ่ม ได้แก่ k-means clustering, hierarchical clustering, self-organizing map (som) การแบ่งกลุ่มข้อมูลอาจใช้เป็นข้อตอนเบื้องต้นของการวิเคราะห์ข้อมูล เพื่อช่วยในการลดขนาดข้อมูล (แยกเป็นหลาย ๆ กลุ่มและคัดเฉพาะบางกลุ่มเพื่อทำการวิเคราะห์ต่อไป หรือแยกการวิเคราะห์ออกเป็นสำหรับแต่ละกลุ่ม) ก่อนที่จะนำไปวิเคราะห์ด้วยวิธีการอื่นต่อไป ขั้นตอนวิธีในการแบ่งกลุ่มข้อมูล โดยทั่วไปแบ่งได้เป็น 2 ประเภทใหญ่ๆ คือ การแบ่งแบบเป็นลำดับขั้น (hierarchical) และ การแบ่งแบบตัดเป็นส่วน (partitional) การแบ่งแบบเป็นลำดับขั้นนั้น จะมีทำการแบ่งกลุ่มจากกลุ่มย่อยที่ถูกแบ่งไว้ก่อนหน้านั้นซ้ำหลายครั้ง ส่วนการแบ่งแบบตัดเป็นส่วนนั้น การแบ่งจะทำเพียงครั้งเดียว การแบ่งแบบเป็นลำดับขั้น จะมี 2 ลักษณะคือ แบบล่างขึ้นบน (bottom-up) หรือ เป็นการแบ่งแบบรวมกลุ่มจากกลุ่มย่อยให้ใหญ่ขึ้นไปเรื่อยๆ โดยเริ่มจากกลุ่มเล็กสุดคือในแต่ละกลุ่มมีข้อมูลเพียงตัวเดียว และ แบบบนลงล่าง (top-down) หรือ เป็นการแบ่งแบบกลุ่มจากกลุ่มใหญ่ให้ย่อยไปเรื่อยๆ โดยเริ่มจากกลุ่มใหญ่ที่สุด คือกลุ่มเดียวมีข้อมูลทุกตัวอยู่ในกลุ่ม หมวดหมู่:การเรียนรู้ของเครื่อง หมวดหมู่:การค้นหาความรู้ในฐานข้อมูล.
ใหม่!!: การทำเหมืองข้อมูลและการแบ่งกลุ่มข้อมูล · ดูเพิ่มเติม »
การแบ่งกลุ่มข้อมูลแบบเคมีน
การแบ่งกลุ่มข้อมูลแบบเคมีน (k-means clustering) เป็นวิธีหนึ่งในวิธีการแบ่งเวกเตอร์ ที่มีรากฐานมาจากการประมวลผลสัญญาณ วิธีนี้เป็นที่นิยมสำหรับการแบ่งกลุ่มข้อมูล (cluster analysis) ในการทำเหมืองข้อมูล (data mining) การแบ่งกลุ่มข้อมูลแบบเคมีนใช้สำหรับการแบ่งการสังเกตจำนวน n สิ่งเป็น k กลุ่ม โดยแต่ละการสังเกตจะอยู่ในกลุ่มที่มีค่าเฉลี่ย(ที่ใช้เป็นแม่แบบ)ใกล้เคียงกันที่สุด โดยวิธีนี้จะเป็นการแบ่งพื้นที่ข้อมูลไปเป็นแผนภาพโวโรนอย วิธีการจัดกลุ่มนี้อยู่ในกลุ่มความซับซ้อนของปัญหาเอ็นพีแบบยาก (NP-hard) แต่อย่างไรเราสามารถนำขั้นตอนวิธีแบบศึกษาสำนึก (heuristic algorithm) มาใช้หาจุดศูนย์กลางของกลุ่มข้อมูลจากการลู่เข้าได้อย่างมีประสิทธิภาพ ซึ่งจะเหมือนกับขั้นตอนวิธีหาค่าคาดหมายสูงสุด (expectation-maximization algorithm) สำหรับโมเดลแบบผสม (Mixture Model) ของการแจกแจงปรกติ (Gaussian distribution) เนื่องจากทั้งสองขั้นตอนวิธีจะใช้แนวทางกระทำซ้ำการกลั่นกรอง (iterative refinement approach) นอกจากนี้ ทั้งสองขั้นตอนวิธียังใช้จุดศูนย์กลางของคลัสเตอร์สร้างแบบจำลองข้อมูล อย่างไรก็ตาม การแบ่งกลุ่มข้อมูลแบบเคมีนมีแนวโน้มจะได้คลัสเตอร์ผลลัพธ์ที่มีตำแหน่งขอบเขตใกล้เคียงกัน ในขณะที่ขั้นตอนวิธีหาค่าคาดหมายสูงสุดนั้นยอมให้คลัสเตอร์ผลลัพธ์มีรูปร่างที่แตกต่างกันได้ ขั้นตอนวิธีนี้ไม่มีอะไรเกี่ยวข้องกับวิธีการค้นหาเพื่อนบ้านใกล้สุด (k-nearest neighbor) ซึ่งเป็นเทคนิคการเรียนรู้ของเครื่อง (machine learning) ที่เป็นที่นิยมอีกอย่างหนึ่ง.
ใหม่!!: การทำเหมืองข้อมูลและการแบ่งกลุ่มข้อมูลแบบเคมีน · ดูเพิ่มเติม »
การเรียนรู้ของเครื่อง
การเรียนรู้ของเครื่อง (machine learning) เป็นสาขาหนึ่งของปัญญาประดิษฐ์ที่พัฒนามาจากการศึกษาการรู้จำแบบ เกี่ยวข้องกับการศึกษาและการสร้างอัลกอริทึมที่สามารถเรียนรู้ข้อมูลและทำนายข้อมูลได้ อัลกอริทึมนั้นจะทำงานโดยอาศัยโมเดลที่สร้างมาจากชุดข้อมูลตัวอย่างขาเข้าเพื่อการทำนายหรือตัดสินใจในภายหลัง แทนที่จะทำงานตามลำดับของคำสั่งโปรแกรมคอมพิวเตอร์ การเรียนรู้ของเครื่องมีเกี่ยวข้องอย่างมากกับสถิติศาสตร์ เนื่องจากทั้งสองสาขาศึกษาการวิเคราะห์ข้อมูลเพื่อการทำนายเช่นกัน นอกจากนี้ยังมีความสัมพันธ์กับสาขาการหาค่าเหมาะที่สุดในทางคณิตศาสตร์ที่แงของวิธีการ ทฤษฎี และการประยุกต์ใช้ การเรียนรู้ของเครื่องสามารถนำไปประยุกต์ใช้งานได้หลากหมาย ไม่ว่าจะเป็นการกรองอีเมล์ขยะ การรู้จำตัวอักษร เครื่องมือค้นหา และคอมพิวเตอร์วิทัศน.
ใหม่!!: การทำเหมืองข้อมูลและการเรียนรู้ของเครื่อง · ดูเพิ่มเติม »
ระบบบริหารความสัมพันธ์ลูกค้า
(Customer Relationship Management: CRM) หมายถึง กลยุทธ์หรือซอฟต์แวร์ ที่สร้างขึ้นมาเพื่อที่ ติดตาม ตรวจสอบ ของลูกค้า ให้เกิดการจงรักภักดีต่อองค์กร บ้างครั้งก็เรียกอย่างย่อว่า CRM CRM ย่อมาจาก Customer Relationship Management หรือเรียกว่า การบริหารลูกค้าสัมพันธ์ ซึ่งก็คือการสร้างความสัมพันธ์กับลูกค้า โดยการใช้เทคโนโลยีและการ ใช้บุคลากรอย่างมีหลักการ CRM ได้ถูกนำมาใช้มากยิ่งขึ้นเรื่อย ๆ เนื่องมาจากจำนวนคู่แข่งของ ธุรกิจแต่ละประเภทเพิ่มขึ้นสูงมาก การแข่งขันรุนแรงขึ้นในขณะที่จำนวนลูกค้ายังคงเท่าเดิม ธุรกิจจึงต้องพยายามสรรหาวิธีที่จะสร้างความพอใจให้แก่ลูกค้าอันจะนำไปสู่ความจงรักภักดีในที่สุด เป้าหมายของ CRM นั้นไม่ได้เน้นเพียงแค่การบริการลูกค้าเท่านั้น แต่ยังรวมถึงการเก็บข้อมูลพฤติกรรมในการใช้จ่ายและความต้องการของลูกค้า จากนั้นจะนำข้อมูลเหล่านั้นมาวิเคราะห์และใช้ให้เกิดประโยชน์ในการพัฒนาผลิตภัณฑ์ หรือการบริการรวมไปถึงนโยบายในด้านการจัดการ ซึ่งเป้าหมายสุดท้ายของการพัฒนา CRM ก็คือ การเปลี่ยนจากผู้บริโภคไปสู่การเป็นลูกค้าตลอดไป.
ใหม่!!: การทำเหมืองข้อมูลและระบบบริหารความสัมพันธ์ลูกค้า · ดูเพิ่มเติม »
ระบบสารสนเทศเพื่อการจัดการ
ระบบสารสนเทศเพื่อการจัดการ หรือ เอ็มไอเอส (management information system - MIS) หมายถึง ระบบคอมพิวเตอร์ หรือขั้นตอนที่ช่วยในการจัดเก็บสารสนเทศเพื่อใช้ในการบริหารและการจัดการองค์กรได้อย่างมีประสิทธิภาพ ระบบสารสนเทศเพื่อการจัดการนี้จะมีส่วนครอบคลุมถึง บุคคล เอกสาร เทคโนโลยี และขั้นตอนในการทำงาน เพื่อที่จะแก้ปัญหาทางธุรกิจไม่ว่าทาง ราคา สินค้า บริการ หรือกลยุทธต่างๆ ระบบสารสนเทศเพื่อการจัดการจะแตกต่างจากระบบสารสนเทศทั่วไป กล่าวคือระบบนี้จะใช้ในการวิเคราะห์ระบบอื่นๆ เพื่อนำมาประยุกต์ใช้ ในทางวิชาการคำว่าระบบสารสนเทศเพื่อการจัดการนี้ถูกใช้ในส่วนของรูปแบบการจัดการข้อมูล เช่น ระบบผู้เชี่ยวชาญ หรือ ระบบช่วยในการตัดสินใ.
ใหม่!!: การทำเหมืองข้อมูลและระบบสารสนเทศเพื่อการจัดการ · ดูเพิ่มเติม »
รายการสาขาวิชา
รายชื่อสาขาวิชา หรือ สาขาการศึกษา (Field of study) หมายถึงสาขาความรู้ หรือ การวิจัยที่เปิดสอนในวิทยาลัยหรือมหาวิทยาลัย คำว่า สาขาวิชา ได้รับการนิยามและยอมรับโดย วารสารวิชาการที่ตีพิมพ์ผลงานวิจัย และโดยสมาคมผู้รู้ (learned societies) และโดยภาควิชาหรือคณะวิชาที่บุคคลผู้อยู่ในสาขาวิชานั้นๆ สังกัด โดยปกติ สาขาการศึกษาต่างๆ มักมีสาขาย่อยหรือแขนงวิชาแตกออกไป เส้นแบ่งระหว่างสาขาย่อยมักยังมีความคลุมเครือและมีกฎเกณฑ์ที่ไม่ชัดเจน ในยุโรปสมัยกลางซึ่งขณะนั้นยังมีการแบ่งคณะวิชาออกเป็น 4 คณะหรือสายวิชา ได้แก่เทววิทยา การแพทย์ ธรรมศาสตร์ นิติศาสตร์ และศิลปะ โดยคณะวิชาหลังมีสถานะไม่สูงเท่า 3 สาขาแรก การแบ่งสาขาวิชาในมหาวิทยาลัยสมัยนั้นมีรากสืบทอดมาจากขบวนการแยกอาณาจักรออกจากศาสนจักร (Secularization) ของมหาวิทยาลัยซึ่งเกิดขึ้นราวสมัยกลาง-ปลายคริสต์ศตวรรษที่ 19 (ประมาณ พ.ศ. 2390 - พ.ศ. 2440) โดยได้เพิ่มวิชาภาษาศาสตร์ที่ไม่ใช่คลาสสิก วรรณคดี และวิชาสายวิทยาศาสตร์และเทคโนโลยี เช่น ฟิสิกส์ เคมี ชีววิทยาและวิศวกรรมศาสตร์เสริมเข้าไปในหลักสูตรแบบประเพณีโบราณ ในต้นคริสต์ศตวรรษ ที่ 20 (ประมาณ พ.ศ. 2440 - พ.ศ. 2475) ได้มีการเพิ่มสาขาวิชาใหม่ๆ เช่น การศึกษา สังคมวิทยา และจิตวิทยา ในมหาวิทยาลัยต่างๆ และในช่วงประมาณ พ.ศ. 2513 - พ.ศ. 2523) ได้เกิดปรากฏการณ์ "การระเบิด" ของสาขาวิชาใหม่ๆ ที่เน้นเนื้อหาเฉพาะเจาะจง เช่น สื่อศึกษา สตรีศึกษา และชนผิวดำศึกษา สาขาใหม่ๆ เหล่านี้จัดขึ้นในมหาวิทยาลัยเพื่อรองรับอาชีพและวิชาชีพต่างๆ เช่น การพยาบาล การจัดการโรงพยาบาล การราชทัณฑ์ และหลังสุดก็ได้เห็นสาขาวิชาที่เป็นลักษณะ "สหสาขาวิชา" เช่น ชีวเคมี และ ธรณีฟิสิกส์เกิดเพิ่มขึ้นและได้รับการยอมรับว่าสาขาวิชาใหม่ๆ ที่เกิดขึ้นเหล่านี้ได้ช่วยเพิ่มพูนความรู้ให้กว้างขวางขึ้น เครื่องหมายดอกจัน * แสดงเป็นหมายเหตุว่าสาขาวิชานั้นยังเป็นที่ถกเถียงถึงสถานภาพว่าควรนับไว้ในสายวิชาใด เช่น วิชามานุษยวิทยา และวิชาภาษาศาสตร์ควรจัดไว้ในกลุ่มสังคมศาสตร์ หรือ มนุษยศาสตร์ เป็นที่สังเกตได้ว่าบางท่าน โดยเฉพาะนักทฤษฎีวิจารณ์มักให้ความสำคัญในการบ่งชี้การจัดกลุ่มที่เข้มงวดในทุกสายวิชา รวมทั้งความชัดเจนของโครงสร้างของแนวคิดโดยรวมของแต่ละวิชาซึ่งยังเป็นถกเถียงได้มากสำหรับบางคน.
ใหม่!!: การทำเหมืองข้อมูลและรายการสาขาวิชา · ดูเพิ่มเติม »
วิทยาการคอมพิวเตอร์
วิทยาการคอมพิวเตอร์ หรือ วิทยาศาสตร์คอมพิวเตอร์ (Computer science) เป็นศาสตร์เกี่ยวกับการศึกษาค้นคว้าทฤษฎีการคำนวณสำหรับคอมพิวเตอร์ และทฤษฎีการประมวลผลสารสนเทศ ทั้งด้านซอฟต์แวร์ ฮาร์ดแวร์ และ เครือข่าย ซึ่งวิทยาการคอมพิวเตอร์นั้นประกอบด้วยหลายหัวข้อที่เกี่ยวข้องกับคอมพิวเตอร์ ตั้งแต่ระดับนามธรรม หรือความคิดเชิงทฤษฎี เช่น การวิเคราะห์และสังเคราะห์ขั้นตอนวิธี ไปจนถึงระดับรูปธรรม เช่น ทฤษฎีภาษาโปรแกรม ทฤษฎีการพัฒนาซอฟต์แวร์ ทฤษฎีฮาร์ดแวร์คอมพิวเตอร์ และ ทฤษฎีเครือข่าย ในแง่ของศาสตร์เกี่ยวกับคอมพิวเตอร์นั้น วิทยาการคอมพิวเตอร์เป็นหนึ่งในห้าสาขาวิชาคอมพิวเตอร์ ซึ่งประกอบด้วย สาขาวิทยาการคอมพิวเตอร์ หรือวิทยาศาสตรคอมพิวเตอร์ สาขาวิศวกรรมคอมพิวเตอร์ สาขาวิศวกรรมซอฟต์แวร์ สาขาเทคโนโลยีสารสนเทศ หรือเทคโนโลยีสารสนเทศและการสือสาร และ สาขาคอมพิวเตอร์ธุรกิจ หรือ ระบบสารสนเทศทางธุรก.
ใหม่!!: การทำเหมืองข้อมูลและวิทยาการคอมพิวเตอร์ · ดูเพิ่มเติม »
ธุรกิจอัจฉริยะ
รกิจอัจฉริยะ (Business Intelligence - BI) เป็นเทคนิคที่ใช้คอมพิวเตอร์ในการวิเคราะห์ ดึงข้อมูลที่โดดเด่น ตัวอย่างเช่น ยอดขาย หรือ สินค้า จากหน่วยใดหน่วยหนึ่งมาแสดงผล โดยใช้รูปแบบการวิเคราะห์ข้อมูล และนำเสนอข้อมูลที่จะช่วยให้ผู้บริหารสามารถตัดสินใจได้เร็วขึ้น มีประสิทธิภาพมากขึ้น ธุรกิจอัจฉริยะ เป็นการใช้ข้อมูลขององค์กรที่มีคุณค่ามาช่วยสนับสนุนการตัดสินใจในการดำเนินธุรกิจ ซึ่งจะเกี่ยวข้องกับการเข้าถึงข้อมูล การวิเคราะห์ข้อมูล และการค้นพบโอกาสใหม่ๆ ทางธุรกิจ ระบบธุรกิจอัจฉริยะใช้เครื่องมือ (Tools) ที่สำคัญ คือ เทคนิคคลังข้อมูล (Data Warehouse), เหมืองข้อมูล (Data Mining) วัตถุประสงค์หลักของธุรกิจอัจฉริยะ 1) ทำให้เจ้าของธุรกิจ ผู้บริหาร หรือพนักงานที่เกียวข้องสามารถเข้าถึงเข้ามูลได้ง่าย ช่วยให้สามารถวิเคราะ์และตัดสินใจทางธุรกิจได้อย่างแม่นยำ 2) ธุรกิจอัจฉริยะช่วยเปลี่ยนสภาพ (transform) ข้อมูล (Data) ไปสู่สารสนเทศ (Information) และองค์ความรู้ (Knowledge) สุดท้ายทำให้ผู้ใช้สามารถติดสินทางธุรกิจได้ (Make Business Decision) อย่างชาญฉลาด แล้วนำไปปฏิบัติจนเกิดผล (Take Action) 3) ช่วยเพิ่มขีดความสามารถการแข่งขันทางธุรกิจขององค์กร 4) ช่วยให้สามารถวิเคราะห์พฤติกรรมผู้บริโภคหรือลูกค้าได้อย่างมีประสิทธิภาพ กระบวนการหลักของธุรกิจอัจฉริยะ 1) Decision Support 2) Query Data 3) Report 4) OLAP 5) Statistical Analysis 6) Prediction 7) Data Mining สถาปัตยกรรมของธุรกิจอัจฉริยะ ประกอบด้วย 1) คลังข้อมูล (Data Warehouse) 2) เครื่องมือในการวิเคราะห์ทางธุรกิจ (Business Analytic Tools) 3) การจัดการสมรรถนะทางธุรกิจ (Business Performance Management) 4) ส่วนติดต่อประสานงานผู้ใช้ (User Interface) ธุรกิจอัจฉริยะทำงานอย่างไร ธุรกิจอัจฉริยะกับระบบสนับสนุนการตัดสินใจเกี่ยวข้องกันอย่างไร.
ใหม่!!: การทำเหมืองข้อมูลและธุรกิจอัจฉริยะ · ดูเพิ่มเติม »
ขั้นตอนวิธีการค้นหาเพื่อนบ้านใกล้สุด k ตัว
ั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด (K-Nearest Neighbour Algorithm) เป็นวิธีที่ใช้ในการจัดแบ่งคลาส โดยเทคนิคนี้จะตัดสินใจว่า คลาสใดที่จะแทนเงื่อนไขหรือกรณีใหม่ๆ ได้บ้าง โดยการตรวจสอบจำนวนบางจำนวน (“K” ในขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด) ของกรณีหรือเงื่อนไขที่เหมือนกันหรือใกล้เคียงกันมากที่สุด โดยจะหาผลรวม (Count Up) ของจำนวนเงื่อนไข หรือกรณีต่างๆ สำหรับแต่ละคลาส และกำหนดเงื่อนไขใหม่ๆ ให้คลาสที่เหมือนกันกับคลาสที่ใกล้เคียงกันมากที่สุด ตัวอย่าง: การจัดกลุ่มข้อมูลของขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด center กำหนดให้จุดที่พิจารณาคือ วงกลมสีเขียว ควรจัดกลุ่มให้จุดที่สนใจไปอยู่ในคลาสแรกของสี่เหลี่ยมสีน้ำเงินหรือคลาสสองของสามเหลี่ยมสีแดง.
ใหม่!!: การทำเหมืองข้อมูลและขั้นตอนวิธีการค้นหาเพื่อนบ้านใกล้สุด k ตัว · ดูเพิ่มเติม »
ขั้นตอนวิธีของฟอร์ด-เฟิลเกอร์สัน
ั้นตอนวิธีของฟอร์ด-เฟิลเกอร์สัน (Ford–Fulkerson algorithm) เป็นขั้นตอนวิธีสำหรับแก้ปัญหาเรื่องการไหลมากสุด (maximum flow) ของการไหลในเครือข่าย (network flow) ซึ่งขั้นตอนวิธีนี้ถูกพัฒนาขึ้นโดย Lester Randolph Ford และ Delbert Ray Fulkerson ได้รับการตีพิมพ์เผยแพร่ในปี..
ใหม่!!: การทำเหมืองข้อมูลและขั้นตอนวิธีของฟอร์ด-เฟิลเกอร์สัน · ดูเพิ่มเติม »
คลังข้อมูล
ลังข้อมูล (data warehouse) คือ ฐานข้อมูลขนาดยักษ์ ที่รวบรวมฐานข้อมูลจากหลายแหล่งหลายช่วงเวลา ซึ่งอาจมี schema แตกต่างกัน มาไว้รวม ณ ที่เดียวกัน (และใช้ schema เดียวกัน).
ใหม่!!: การทำเหมืองข้อมูลและคลังข้อมูล · ดูเพิ่มเติม »
ต้นไม้ตัดสินใจ
การเรียนรู้ต้นไม้ตัดสินใจ (decision tree learning) ถูกคิดค้นโดย Dr.Dome และ Dr.JA เป็นวิธีหนึ่งที่จะประมาณฟังก์ชันที่มีค่าไม่ต่อเนื่อง (discrete-value function) ด้วย แผนผังต้นไม้ อาจประกอบด้วยเซตของกฎต่างๆแบบ ถ้า-แล้ว (if-then) เพื่อให้มนุษย์สามารถอ่านแล้วเข้าใจการตัดสินใจของต้นไม้ได้ ในการเรียนรู้ของเครื่อง (machine learning) ต้นไม้ตัดสินใจ เป็นโมเดลทางคณิตศาสตร์ที่ใช้ทำนายประเภทของวัตถุโดยพิจารณาจากลักษณะของวัตถุ บัพภายใน (inner node) ของต้นไม้จะแสดงตัวแปร ส่วนกิ่งจะแสดงค่าที่เป็นไปได้ของตัวแปร ส่วนบัพใบจะแสดงประเภทของวัตถุ ต้นไม้การตัดสินใจในการบริหารธุรกิจ เป็นแผนผังต้นไม้ช่วยในการตัดสินใจ โดยแสดงถึงมูลค่าของทรัพยากรที่จะใช้ ความเสี่ยงในการลงทุนและและผลลัพธ์ที่มีโอกาสเกิดขึ้น ต้นไม้ตัดสินใจสร้างขึ้นเพื่อช่วยการตัดสินใจเพื่อใช้ในการสร้างแผนงาน นิยมใช้มากในการบริหารความเสี่ยง (risk management) ต้นไม้ตัดสินใจเป็นส่วนหนึ่งของทฤษฎีการตัดสินใจ (decision theory) และ ทฤษฎีกราฟ ต้นไม้ตัดสินใจเป็นวิธีการพื้นฐานอย่างหนึ่งสำหรับการทำเหมืองข้อมูล.
ใหม่!!: การทำเหมืองข้อมูลและต้นไม้ตัดสินใจ · ดูเพิ่มเติม »
ปัญญาประดิษฐ์
ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ เอไอ (AI) หมายถึงความฉลาดเทียมที่สร้างขึ้นให้กับสิ่งที่ไม่มีชีวิต ปัญญาประดิษฐ์เป็นสาขาหนึ่งในด้านวิทยาการคอมพิวเตอร์ และวิศวกรรมเป็นหลัก แต่ยังรวมถึงศาสตร์ในด้านอื่น ๆ อย่างจิตวิทยา ปรัชญา หรือชีววิทยา ซึ่งสาขาปัญญาประดิษฐ์เป็นการเรียนรู้เกี่ยวกับกระบวนการการคิด การกระทำ การให้เหตุผล การปรับตัว หรือการอนุมาน และการทำงานของสมอง แม้ว่าดังเดิมนั้นเป็นสาขาหลักในวิทยาการคอมพิวเตอร์ แต่แนวคิดหลาย ๆ อย่างในศาสตร์นี้ได้มาจากการปรับปรุงเพิ่มเติมจากศาสตร์อื่นๆ เช่น.
ใหม่!!: การทำเหมืองข้อมูลและปัญญาประดิษฐ์ · ดูเพิ่มเติม »
ปัญญาประดิษฐ์ทั่วไป
ปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence) หรือ เอจีไอ (AGI) เป็นระบบเครื่องจักรฉลาดที่สามารถทำงานได้อย่างชาญฉลาดเทียบเท่ามนุษย์ เป็นเป้าหมายหลักของงานวิจัยสายปัญญาประดิษฐ์ (AI) และมักถูกกล่าวถึงบ่อยในนิยายวิทยาศาสตร์ ในบางครั้งก็ถูกเรียกว่า ปัญญาประดิษฐ์แบบเข้ม (Strong AI) หรือ ปัญญาประดิษฐ์เต็มรูปแบบ (Full AI) หมายถึงการกระทำที่มีความฉลาดไม่เฉพาะเรื่องใดเรื่องหนึ่ง ปัญญาประดิษฐ์ทั่วไปมีความแตกต่างกับปัญญาประดิษฐ์เชิงประยุกต์ ที่บางครั้งเรียกว่า ปัญญาประดิษฐ์เชิงแคบ (Narrow AI) หรือปัญญาประดิษฐ์แบบอ่อน (Weak AI) เป็นสาขาที่เน้นการสร้างซอฟต์แวร์เพื่อการแก้ไขปัญหาหรือทำงานบางอย่างที่เกี่ยวข้องกับเหตุและผล งานวิจัยปัญญาประดิษฐ์แบบอ่อนนั้นไม่ได้เน้นเรื่องการทำให้เครื่องจักรมีความฉลาดแบบครอบคลุมในวงกว้างแบบงานวิจัยสายปัญญาประดิษฐ์ทั่วไป.
ใหม่!!: การทำเหมืองข้อมูลและปัญญาประดิษฐ์ทั่วไป · ดูเพิ่มเติม »
โปรแกรมค้นหาเว็บ
โปรแกรมค้นหาเว็บ (web search engine) เป็นระบบซอฟต์แวร์ซึ่งได้รับการออกแบบมาเพื่อค้นหาสารสนเทศบนเวิลด์ไวด์เว็บ ผลการค้นหาโดยทั่วไปนำเสนอเป็นบรรทัดการค้นหาที่มักเรียก หน้าผลลัพธ์โปรแกรมค้นหา (SERPs) สารสนเทศอาจเป็นเว็บเพจ ภาพหรือไฟล์ประเภทอื่นผสมกัน โปรแกรมค้นหาบางโปรแกรมยังขุดข้อมูลที่มีอยู่ในฐานข้อมูลหรือสารบบเปิด โปรแกรมค้นหาเว็บต่างจากสารบบเว็บตรงที่มีบรรณาธิการมนุษย์เป็นผู้บำรุงรักษาเท่านั้น นอกจากนี้ยังบำรุงรักษาสารสนเทศเวลาจริงโดยการดำเนินการอัลกอริทึมบนเว็บครอว์เลอร์ เนื้อหาอินเทอร์เน็ตที่ไม่สามารถค้นได้ด้วยโปรแกรมค้นหาเว็บโดยทั่วไปอธิบายว่าเป็นดีปเว็บ (deep web) หมวดหมู่:โปรแกรมค้นหาอินเทอร์เน็ต หมวดหมู่:ประวัติศาสตร์อินเทอร์เน็ต หมวดหมู่:อภิธานศัพท์อินเทอร์เน็ต หมวดหมู่:สิ่งประดิษฐ์ของประเทศแคนาดา.
ใหม่!!: การทำเหมืองข้อมูลและโปรแกรมค้นหาเว็บ · ดูเพิ่มเติม »
เอสเอพี อีอาร์พี
SAP (Systems, Applications and Products) เป็นโปรแกรมสำเร็จรูปทางธุรกิจประเภท การบริหารทรัพยากรขององค์กร ของประเทศเยอรมนีที่ใช้ควบคุมดูแลทุกสายงานของบริษัท SAP เป็นโปรแกรมที่ช่วยจัดการสายงานทุกสายงานของธุรกิจให้สามารถเข้าถึงข้อมูลได้อย่างรวดเร็ว และได้ข้อมูลที่ถูกต้องแม่นยำ สามารถนำไปใช้ประกอบการดำเนินกิจกรรมของธุรกิจได้ และผู้บริหารสามารถเรียกดูข้อมูลและตรวจสอบข้อมูลสถานะของบริษัทได้.
ใหม่!!: การทำเหมืองข้อมูลและเอสเอพี อีอาร์พี · ดูเพิ่มเติม »
เคมบริดจ์แอนะลิติกา
มบริดจ์แอนะลิติกา (Cambridge Analytica, ย่อ: CA) เป็นบริษัทที่ปรึกษาการเมืองบริติชซึ่งใช้การทำเหมืองข้อมูล การเป็นนายหน้าข้อมูล (data brokerage) และการวิเคราะห์ข้อมูลร่วมกับการสื่อสารยุทธศาสตร์สำหรับกระบวนการเลือกตั้ง บริษัทฯ ก่อตั้งเป็นสาขาหนึ่งของเอสซีแอลกรุ๊ป (SCL Group) ครอบครัวของรอเบิร์ต เมอร์เซอร์ (Robert Mercer) ผู้จัดการกองทุนบริหารความเสี่ยงชาวอเมริกันผู้สนับสนุนอุดมการณ์อนุรักษนิยมทางการเมืองหลายอุดมการณ์ เป็นเจ้าของบริษัทฯ บางส่วน ปัจจุบันบริษัทฯ มีสำนักงานในกรุงลอนดอน นครนิวยอร์ก และวอชิงตัน ดี.ซี. ซีอีโอ อเล็กซานเดอร์ นิกซ์ (Alexander Nix) กล่าวว่า CA เกี่ยวข้องในการแข่งขันทางการเมืองในสหรัฐ 44 ครั้งในปี 2557; ในปี 2558 บริษัทฯ ให้บริการวิเคราะห์ข้อมูลแก่การรณรงค์ประธานาธิบดีของเท็ด ครูซ ในปี 2559 CA ทำงานให้กับการรณรงค์ประธานาธิบดีของดอนัลด์ ทรัมป์ ตลอดจนการรณรงค์ลีฟ.อียูให้การถอนตัวจากสหภาพยุโรปของสหราชอาณาจักร บทบาทของ CA ในการรณรงค์เหล่านี้เป็นข้อโต้เถียงและเป็นหัวข้อการสืบสวนทางอาญาที่กำลังดำเนินอยู่ในสหรัฐและสหราชอาณาจักร นักรัฐศาสตร์ตั้งคำถามถึงข้ออ้างของ CA เกี่ยวกับประสิทธิภาพของวิธีการการกำหนดเป้าหมายผู้ออกเสียงเลือกตั้งของบริษัทฯ ในเดือนมีนาคม 2561 สื่อหลายสำนักเผยแพร่ข่าววัตรปฏิบัติธุรกิจของเคมบริดจ์แอนะลิติกา เดอะนิวยอร์กไทมส์ และ ดิออฟเซิร์ฟเวอร์ รายงานเรื่องการละเมิดข้อมูลของเฟซบุ๊กและเคมบริดจ์แอนะลิติกา ซึ่งถูกนักวิจัยภายนอกใช้สารสนเทศส่วนบุคคลที่ได้มาจากผู้ใช้เฟซบุ๊กจากบริษัทฯ เพื่อความมุ่งหมายทางการเมือง โดยอ้างว่าเก็บรวบรวมสารสนเทศดังกล่าวเพื่อความมุ่งหมายทางวิชาการ ไม่นานจากนั้น ข่าวช่อง 4 แพร่สัญญาณการสอบสวนนอกไม่เปิดเผยแสดงภาพนิกซ์โอ้อวดเกี่ยวกับการใช้โสเภณี ปฏิบัติการล่อสินบน และฮันนีเทรพ (honey trap) เพื่อทำให้นักการเมืองที่เป็นเป้าหมายของการวิจัยของฝ่ายตรงข้าม (opposition research) เสียชื่อเสียง และกล่าวว่าบริษัทฯ "ดำเนินการรณรงค์ดิจิทัลทั้งหมดของ (ดอนัลด์ ทรัมป์)" กรรมการสารสนเทศสหราชอาณาจักรสนองต่อรายงานของสื่อโดยออกหมายค้นเซิร์ฟเวอร์ของบริษัทฯ เฟซบุ๊กแบนเคมบริดจ์แอนะลิติกามิให้โฆษณาบนแพลตฟอร์ม โดยกล่าวว่าเฟซบุ๊กถูกหลอก วันที่ 23 มีนาคม 2561 ศาลสูงบริติชอนุมัติหมายค้นของสำนักงานกรรมาธิการสารสนเทศเพื่อค้คนสำนักงานกรุงลอนดอนของเคมบริดจ์แอนะลิติกา ข้อมูลเกี่ยวกับผู้ใช้เฟซบุ๊ก 50 ล้านคนได้มาจากผู้ใช้เฟซบุ๊ก 270,000 คนที่แบ่งปันข้อมูลโดยใช้แอพ "ดิสอีสยัวร์ดิจิทัลไลฟ์" (thisisyourdigitallife) โดยอนุญาตให้แอพภายนอกนี้เข้าถึงข้อมูลของพวกเขาได้ย้อนไปในปี 2558 เหตุนี้ยังให้สารสนเทศเกี่ยวกับเครือข่ายเพื่อนกับบุคคลเหล่านั้นแก่แอพ ผู้พัฒนาแอพละเมิดเงื่อนไขการใช้งานของเฟซบุ๊กโดยมอบข้อมูลแก่เคมบริดจ์แอนะลิติก.
ใหม่!!: การทำเหมืองข้อมูลและเคมบริดจ์แอนะลิติกา · ดูเพิ่มเติม »
เครือข่ายบิตคอยน์
แผนภาพแสดงข้อมูลเพื่อโอนบิตคอยน์ในระหว่างบัญชีต่าง ๆ #9865c3) จะอยู่นอกโซ่ซึ่งดีที่สุด เครือข่ายบิตคอยน์ (bitcoin network) เป็นระบบการจ่ายเงินที่ดำเนินงานโดยใช้โพรโทคอลวิทยาการเข้ารหัสลับ คือผู้ใช้จะส่งหรือรับบิตคอยน์ ซึ่งเป็นเงินคริปโทสกุลหนึ่ง โดยแพร่สัญญาณเป็นข้อความที่ได้ลงนามแบบดิจิทัลไปยังเครือข่าย ผ่านการใช้โปรแกรมกระเป๋าเงินคริปโท (cryptocurrency wallet) ธุรกรรมจะบันทึกไว้ในฐานข้อมูลสาธารณะแบบกระจายและมีสำเนาซ้ำซ้อนที่เรียกว่า บล็อกเชน โดยเครือข่ายจะถึงความเห็นพ้องเกี่ยวกับสถานะบัญชีผ่านระบบ Proof-of-work system ซึ่งเรียกว่า ไมนิง/การขุดหาเหรียญ บุคคลหรือกลุ่มบุคคลผู้ใช้นามแฝง ซาโตชิ นากาโมโตะ ผู้ออกแบบบิตคอยน์อ้างว่า การออกแบบและการทำให้เกิดผลได้เริ่มในปี 2007 แล้วต่อมาจึงเผยแพร่เป็นซอฟต์แวร์แบบโอเพนซอร์ซในปี 2009 เครือข่ายมีโครงสร้างไม่มากเพื่อให้สามารถแชร์ธุรกรรมได้ คือ การมีเครือข่ายสถานีอาสาแบบไร้ศูนย์ ซึ่งออกแบบให้ทำงานเฉพาะกิจ ก็เพียงพอแล้ว ข้อความจะแพร่สัญญาณ (broadcast) ในรูปแบบพยายามดีที่สุด (best-effort delivery) โดยสถานีต่าง ๆ จะสามารถออกจากเครือข่าย แล้วกลับเข้าร่วมใหม่ตามใจชอบ เมื่อเชื่อมกับเครือข่ายใหม่ สถานีก็จะดาวน์โหลดและพิสูจน์ยืนยันบล็อกใหม่ ๆ จากสถานีอื่น ๆ เพื่อบูรณาการก๊อปปี้บล็อกเชนของตนเอง.
ใหม่!!: การทำเหมืองข้อมูลและเครือข่ายบิตคอยน์ · ดูเพิ่มเติม »
