مقاله تعریف داده Data

اختصاصی از حامی فایل مقاله تعریف داده Data دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

فرمت فایل: word (قابل ویرایش و آماده پرینت)
تعداد صفحات:42

مقدمات داده پردازی

تعریف داده(Data)

هر اطلاع مفید ولازم درباره چیز یا امری رایک داده می گویند.به شناسنامه خود نگاه کنید.نام، نام خانوادگی،نام پدر ،سال تولد،محل تولد،شماره شناسنامه وسایر اطلاعات آن ،همه درباره شماست.

اینها داده های مرتبط با شما هستندوشما را از دیگران متمایز ومجزا می کنند؛ به شما سود می رسانند؛

حقوق شما را محفوظ می دارند وبه دولت امکان می دهند که برای شما برنامه ریزی کندو امکانات فراهم سازد.

داده ها در همه امور، نقش بازی می کنند.مثلا در دادوستد، داده ها نقش بسیار بزرگی دارند.اطلاع ازاین که چه مقدارپول دارید؛ بابت چه کالا وخدماتی پول گرفته یا پرداخته اید؛ از چه حسابی پول برداشته وبه کدام حساب واریز کرده اید؛ چقدر طلبکبرید وچقدر بدهکارید؛و…. همه، داده های مالی شما هستند . حسابداران با چنین دا ده های مالی  سروکاردارند وآن را مدیریت می کنند وازآن ها نتیجه گیری می کنند.

گفتیم که داده ها باید مفید ولازم باشند.مثالی می زنیم:

اگردر شناسنامه شما وزن یا قد شما را می نوشتند،صحیح بود؟ پاسخ منفی است.ذکر وزن وقد در شناسنامه کاربردی ندارد و وجود آنها لازم نیست، هر چند که مفید است.اما در پرونده پزشکی شما هم لازم هستند وهم مفید،زیرا به شناسایی وضع سلامت شما ونیز، به شناخت ودرمان بیماری شما یاری میرسانند.

داده ها با هم ارتباط دارند.

اگر بدانید شماره شناسنامه شخصی 259 است، آیا می توانیداورا پیدا کنید؟ این کار دشوار است. ممکن است شماره شناسنامه خیلی از مردم259 باشد. حالا اگر بدانید که نام آن شخص مثلا مسعود است یافتن او آسانتر می شود؛ هر چند که هنوز هم شاید اسم خیلیها مسعود وشماره شناسنامه شان 259 باشد.اما اگر در همین حال، نام خانوادگی او را هم بدانید دیگر یافتن اوساده می شود.نتیجه ارتباط داده ها به یکدیگر، شناسایی سریعتر است.داده هایی که به هم ارتباط نداشته باشند یا نتوان ارتباط آنها را نسبت به هم پیدا کرد، کاربرد زیادی ندارد وشاید اصلا به درد نخورد.

داده های نامرتب کاربرد ندارند.

اگر اطلاعات وداده های زیادی را بدون نظم وترتیب در جاهای مختلف پخش کنید، چطور می توانید به هنگام نیاز ازمیان آنها چیز خاصی را پیدا کنید؟داده ها هم مثل اشیای یک خانه یا انبار هستند وفقط از طریق نظم دادن وطبقه بندی وتازه کردن آنهاست که می توان از آنها سود برد .

داده ها چگونه مرتب میشوند؟

راههای مختلفی برای مرتب کردن داده ها وجود دارد.یکی از آسانترین روشها آن است که داده هارا به شکل یک جدول در آوریم. همه شمامی دانید جدول چیست.برنامه دانشگاه شما یک جدول است.دفتر حضور وغیاب کلاس شما یک جدول است صورتحساب بانکی پدر ومادر شما یک جدول است . اصول تمام جدولها یکی است ودرک آن نیز بسیار آسان است.در تمام آنها،برای مرتب کردن اطلاعات صفحه را خط کشی کردند وآن به شکل سطر ها وستونها در آوردند.به این ترتیب ، مجبورید اطلاعات را به شکل مرتب و زیر هم ،در جدول وارد کنید.در بالای هر ستون جدول،نام آنچه را که قرار است در آن ستون وارد کنید،می نویسید.در هر سطر اطلاعات،نام شخص یا چیزی را که آن داده ها به او مرتب است می نویسید.مثالی می زنیم.کتابهایی را که در خانه یا دانشگاه دارید،در نظر بگیرید.می توانید یک جدول درباره ی آنها تشکیل دهید و اطلاعات مرتبط با کتابها را در آن نگهداری کنید.در مورد هر کتاب می توانید داده هایی از قبیل نام کتاب،نام نویسنده،نام مترجم،نام ناشر،تعداد صفحات،تاریخ نشر و… را به صورت زیر،تبدیل به یک جدول کنید. 

حال،برای هر کتاب اطلاعات مرتبط با آن را در یک سطر این جدول می نویسید:

نام کتاب

نام نویسنده

نام مترجم

نام ناشر

تعداد صفحات

شناسایی وشکار جاسوس

پیتر رایت

محسن اشراقی

مؤسسه اطلاعات

608

ساعت سرمستی

هیوبرت ریوز

دکتر سهامی

نشر قطره

339

…

…

…

…

…

البته می توان این جدول را به هر شکل دیگری تهیه کرد و درباره ی هر کتاب اطلاعات دیگری مانند نوبت چاپ،شماره ی شناسایی کتاب و…را نیز در جدول وارد کرد.مهم،اطلاعاتی ست که شما درباره ی هر کتاب مفید و لازم می دانید و داده های شما  به شمار می آیند.این جدول،داده های شما را مرتب می کند.به این جدول داده ها(Data Table)می گویند.

آموزش حل مشکل data size is large write emmc failed هنگام فلش samsung c7000

اختصاصی از حامی فایل آموزش حل مشکل data size is large write emmc failed هنگام فلش samsung c7000 دانلود با لینک مستقیم و پر سرعت .

آموزش حل مشکل data size is large write emmc failed  هنگام فلش samsung c7000

تحقیق داده کاوی و وب Data Mining in Semantic Web

اختصاصی از حامی فایل تحقیق داده کاوی و وب Data Mining in Semantic Web دانلود با لینک مستقیم و پر سرعت .

مقدمه

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.

با استفاده ار پرسش های ساده درSQLو ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحات به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند.

در این تحقیق ما به بررسی جنبه های مختلف داده کاوی در وب معنایی یا به اصطلاح وب کاوی میپردازیم.

چکیده

وب، همچون مغز بیکران همگانی است. مغزی که بسیار بیشتر از آنچه مغز یک انسان میتواند در خود جای دهد در خاطر دارد. خرد انباشته شده در وب ما را قادر میسازد تا ابعاد تازهای را تجربه کنیم. وب به عنوان بزرگترین بستر ضبط خلاقیت بشر مطرح است. ورود اینترنت به زندگی انسان و استفاده از آن به عنوان بستری برای تبادل، ذخیره و بازیابی اطلاعات، فرصت­های بسیاری از جمله ذخیره اطلاعات در محیطی نامحدود و بازیابی آن در این محیط را در اختیار انسان قرار داده است. امّا سیل روز افزون تولید اطلاعات و گوناگونی محتوای موجود در وب به عنوان عمدهترین خدمت موجود بر روی آن، بازیابی اطلاعات را با مشکل مواجه ساخته است. انسان با تلاش برای کنترل اطلاعات موجود در این اقیانوس بیکران اطلاعات و این مغز همگانی، سعی در بدست آوردن مربوط ترین اطلاعات موجود در این محیط دارد و این خود بزرگترین چالش عصر حاضر است.

رشد مجموعه های متن الکترونیک (برای مثال کتابخانه­های دیجیتال، وب و اینترانت) شدیداً دشواری یافتن اسناد مربوط را افزایش داده است. برای مثال رشد توانی اندازه وب، مطرح کننده نیازهای جدید به فنون بازیابی اطلاعات جاری بوده است.

در این تحقیق و پژوهش، ضمن بیان برخی مفاهیم، میکوشم با توجه به افزایش میزان تولید اطلاعات در وب، و تعدد نظامهای بازیابی موجود در وب، به رویکردهایی که عمدتاً این نظامها پیش گرفتهاند تا میزان جامعیت و مانعیت را برای کاربر مهار پذیر نمایند اشاره کنم. شایان ذکر است که رویکردهای خاص که توسط برخی نظامها دنبال میشود ذکر نشده و تنها رویکردهای عمومی که تقریباً تمامی نظامهای بازیابی وب مدار از آنها بهره میبرند بیان میشود.

تعداد صفحات انگلیسی : 0

تعداد صفحات فارسی : 86

نوع فایل های ضمیمه : Pdf+Word

دانلود تحقیق کامل درباره طراحی Data mart 13 ص

اختصاصی از حامی فایل دانلود تحقیق کامل درباره طراحی Data mart 13 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

طراحی Data mart

مقدمه

متأسفانه انباره داده‌ای متمرکز تا حدی که از آن انتظار می‌رفت، رشد نکرده است. در مقابل تا میزان زیادی با ریسکها، مدت زمان طولانی برای پیاده سازی وهزینه بالا پرشده است. مایه حیات یک سازمان توانایی توسعه بخشیدن به برنامه‌های کاربردی است که به طور سریع اطلاعات ارزشمند را به تصمیم گیرنده‌های تجاری انتقال می‌دهد. با این وجود، انباره داده‌ای متمرکز سعی دارد تا با صورت بر پایه شده براساس معماری مشخص و عدم توانایی‌های مناسب و تغییر کاربردهای جدید که مورد نیاز است، عمل نماید.

بسیاری از سازمانها انفجار داده‌ها را گزارش می‌دهند که حجم قابل توجهی از میزان داده‌ها اصلی را در بر دارد، و این به علت نیاز شدید و سریع به گزارش‌های جدید و جداول خلاصه داده‌ای می‌باشد. این مسئله در هزینه های هنگفت نهایی و بار سنگین گزارش‌های مدیریتی خود را نشان می‌دهد. انباره داده مترکز به این منظور طراحی شده‌اند تا بتوانند گزارش‌های از قبل پیش‌بینی شده را پاسخگو باشند. انباره داده‌ها در عین حال همان طور که Bill Inmon اشاره کرده است، «به منظور کشف فعالیت‌ها طراحی شده است» و نیز در اکثر موارد «کاربران نمی‌دانند چه اطلااتی را در درجه اول نیاز دارند.»

بخش عمده هزینه یک انباره داره ای معمولی به علت روش brute force می‌باشد، که در اثر اساس و طرح پردازش موازی مطرح شده است. با وجود اینکه پردازش موازی بسیار هزینه در بردارد ولی هیچ کمکی به تولید پاسخ‌های پرس و جوی سریع و adhoc نمی‌کند. در نتیجه مجبور خواهیم بود، به روش‌های جدیدی به منظور ارضاء این خواست resort نماییم.

اکثر دانشمندان به این منظور معماری data mart وزنی enterprise را آزمایش می‌نمایند datamart تکنولوژیی است که Poised شده تا dra stically کاربردها و جنبه‌های اقتصادی انباره داده‌ای را دوباره شکل دهد و نیز مقایسه دیدگاههای مختلف در رابطه با ویژگی‌ها و سودمندی‌های معماری data mart در مقابل انباره‌های داده‌ای قدیمی به منظور ساخت، deploy، و مدیریت راه حلهای datamart وزنی enterprisk.

The Corporate Data Warehouse

در گذشته پیاده سازی‌های شرکت‌های انباره داده‌ای بر پایه main frameها عمل کرده است و مدیریت گسترده‌ای را در محدوده خود نیاز داشته است و نیز به وسیله مدیریت MIS اطلاعات از بالا به پائین قابل دسترسی بوده‌اند. در زیر این معماری همه چیز در سطح مدیریتی ساخته شده است. این مسئله معمولاً به یک انباره داده‌ای معمولی و ساده تبدیل می‌شود که تمامی نتایج لازم جداگانه برای سیستم‌های عملکردی تمامی شرکت‌های مناسب خواهند بود.

این پیاده‌سازی‌های انباره داده‌ای باید با جنبه‌های پیچیده که توسط طبیعت مدیریت گسترده خودشان تولید شده است مواجه شوند. همه چیز مجبور است در مسیر لایه‌های مختلف مورد موافقت قرار گیرد. زیرا انباره داده‌ای طراحی شده است تا همه بتوانند از آن استفاده کنند در نتیجه همه افراد سازمان باید در نحوه طراحی آن موافقت‌نظر داشته باشند. در چنین مواقعی نتیجه یک تغییر ساده ممکن است بسیار بزرگ و سرنوشت ساز باشد زیر تغییر یک چیز در انباره داده همه چیز را تغییر می‌دهد.

دیدگاههای مختلف از راه حلهای انباره داده‌ای

چالش‌های مختلف موجود در ارتباط با انباره داده نتیجه شد. اما هنوز همان هدف سابق در رابطه با انتقال داده‌های مختلف جهت پشتیبانی از تصمیمی‌گیری‌ها به کاربران انتهایی مورد نظر بود.

خوشبختانه روش more pragmatic و جدیدترین در حال حاضر در اختیار ماست. این راه حل تحت نام انباره‌های داده‌ای توزیع شده قابل دسترسی می‌باشد. نقطه مرکزی در این روش بر روی کاربردها و datamartها می‌باشد. همچنین این کار توسط تکنولوژی پایگاه داده‌های وزنی، و به صرفه انجام می‌شود. امروزه data mart ها سودهای قابل توجهی را به سازمان‌های خود باز می‌گردانند، بدون آنکه هزینه زیادی را دربر داشته باشند و یا ریسک موجود در انباره های داده ای متمرکز مدیریتی را در پروژه‌ها ایجاد نمایند و نیز می‌توانند براساس اینکه پروژه چه چیزی را می‌طلبد خود را رشد دهند و یا تغییر نمایند.

یک clata mart سیستم کاربردی پشتیبانی از تصمیم‌گیری می‌باشد، که بر روی رفع و حل یک مشکل تجاری خاص متمرکز می‌شود و این کار را در یک محیط موضوعی یا دپارتمان انجام می‌دهد. یک clatamart باید با یک مدل داده‌ای مدیریتی ساخته شود تا از شکل گرفتن

دانلود تحقیق کامل درباره Data Warehouse برای سازمانها 39 ص

اختصاصی از حامی فایل دانلود تحقیق کامل درباره Data Warehouse برای سازمانها 39 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 40

Data Warehouse برای سازمانها

در حالی که عمر کوتاهی از استفاده از Database بعنوان بستری برای داده ها جهت انجام آنالیزهای پیچیده می گذرد، ولی نیاز به اینگونه عملیات از دیرزمانی احساس می شده و ابزار Database نیز در اینمورد از ارجحیت خاصی برخوردار گردیده اند. پاسخ به سؤالاتی نظیر What – If ، شبیه سازمانهای عملیات مهم مانند معرفی یک محصول جدید، یا تعیین پر سودترین محصولات، همگی از نیازهای اصلی کسب و کار بشمار آمده و ایجاد Data warehouse به کمک کامپیوتر جهت حل اینگونه مسایل کمک بسیار بزرگی کرده است.

در واقع کامپیوتر جهت حل مسایل پیچیده آنالیز داده ها، از سالهای 1950 مورد استفاده بوده اند و اساساً ماهیت مسایلی که توسط Data warehouse حل می شود، در این پنچ دهه تفاوتی نکرده است. انجام عملیات مختلف بر روی اعداد برای بدست آوردن نتایج گوناگون، عملیات Aggregation روی داده های هر مجموعه و آنالیز واریانس داده ها، جدید بشمار نمی آیند.

Expert Systems & Decision Support Systems

چنانچه به مسیر تحول داده ها توجه شود، الگوی واضحی از طرز استفاده آنها در Data Warehouse های حتی پیچیده دیده می شود. عامل مهمی که در این مسیر بسیار تغییر یافته است سرعت می باشد، سرعتی که با آن برای سؤالات پاسخی ایجاد می گردد. از سالهای 1975 تا 1990 برای مدیران برنامه ریزی استراتژیک، ساعتهای طولانی منتظر ماندن برای دریافت پاسخ امری عادی بشمار می آمد. امروزه Warehouse های Decision Support امکان ایجاد پاسخ برای انواع Query (پرس و جوها) را حتی برای کاربر نهایی در کمترین زمان ممکن (کسری از ثانیه) دارا می باشد. بنا به ماهیت سوالات مطروحه در صنعت امروز و حساسیت پاسخگویی، نیاز به سرعت در پاسخگویی بسیار احساس می شود.

با ایجاد یک شبیه سازی و یا طرح What – If از سوی کاربر Data Warehouse ، غالباً پاسخ به یک سؤال منجر به طرح سوالات دیگر خواهد شد و عامل زمان در این امر نقش مؤثری دارا می باشد.

Expert Systems & Data Warehouse

Expert System در دنیای کامپیوتر واژه ای است که برای هر برنامه حاوی عبارت IF مورد استفاده قرار می گیرد. بطور کلی یک سیستم خبره با Expert System پروسس ساخته یافته تصمیم گیری در ذهن بشر را مدل داده و آنرا به شرایط دنیای واقعی می رساند.

هر پروسس Decision Making قوانین یا Rule هایی در Interface engine دارند. Interface Engine جهت بکار انداختن اجزای جمع آوری اطلاعات یک سیستم که نهایتاً به راه حل مساله خواهند رسید، مورد استفاده می باشد. در واقع سیستم خبره تصمیمی برای کاربر می گیرد، در حالی که سیستم Decision Making تصمیمی را بهمراه کاربر می گیرد. سیستم خبره هیچ امکاناتی برای دخالت انسان در پروسس تصمیم گیری فراهم نمی کند. بسیاری تصمیم گیریهای واقعی در دنیای مدیریت نیازی به دخالت انسانی ندارد و Data Warehous قادر به تأمین پاسخ بدون دخالت کاربر می باشد. یعنی با وجود Data Warehouse کامپیوتر قادر به تولید گزارشات روزانه مورد نیاز بطور اتوماتیک می باشد. هم چنین یک سیستم DSS ، داده ها را طوری aggregate اولیه می نماید که مدیریت قادر به نگرشی کلی و نتیجه گیری می گردد. در DSS ها، هر قدر میزان aggregate در داده ها بالاتر بوده، قدرت تصمیم گیری و پیش بینی انسان بیشتر است.

Decision Support Systems & Data Warehouse

معمولاً Dss ها بعنوان نوعی از Data Warehouse هایی مطرح گشته که با حل مسایل نیمه ساختار یافته سرو کار دارد. بعبارتی دیگر مساله هر دو جز ساختار یافته و نیافته را دارا بوده و جز ساختار نیافته نیاز به دخالت انسانی داشته و ارتباط انسان با DSS را ایجاب می نماید.

اجزای ساختار یافته یک DSS ، قوانین تصمیم گیری یا Decision Rules ذخیره شده بعنوان سیستم پردازش مسایل می باشند و جز دیگر به انسان واگذار می شود. مثالهایی از مسایل نیمه ساختار یافته : انتخاب یک سایت برای کارخانه، و یا انتخاب سبد سهام (Stock Portfolio ).

در تکنولوژی Decision Support بسیاری عملیات نیاز به دخالت انسانی دارد مثل انتخاب سایت که اجزا ساختار یافته و نیافته را با هم دارد. عوامل و قوانینی براحتی قابل اندازه گیری بوده و در سیستم Database نگهداری می شوند و این به کاربر سیستم امکان ایجاد سناریوی What – If را می دهد. با اینحال وجود اجزای ساختار یافته، ساختار یافتگی کلی پروسس تصمیم گیری را تضمین نمی نماید.

یک سیستم DSS این مشخصات را دارد :

یک مسأله اتفاق نیافتاده برای حل موجود است.

دادن ورودی توسط انسان لازم است.

مدلی برای تست فرضیات Hypothesis test موجود است.

انجام Query های خاص امکانپذیر است (در پی انجام درخواستهای مکرر در سیستم از Database ، هر پاسخ Query منجر به Query دیگری خواهد شد، چون منظور از این Query ها ایجاد Query بدون شکلی خاص برای اطلاعات موجود جهت تصمیم گیری است، زمانهای پاسخگویی بسیار با اهمیت اند)

ممکن است بیش از یک پاسخ قابل قبول بوجود بیاید.

منابع خارجی از داده ها نیز مورد استفاده قرار می گیرند.

همچنین DSS ها به کاربران امکان ایجاد سناریوی What – If را میدهند. اینها اساساً ابزارهای مدل دهنده ای هستند که به کاربر امکان تعریف محیط و شبیه سازی رفتار آن محیط در صورت بروز تغییرات را میدهند.

انواع خروجی های سیستم Decision Support عبارتند از :

(Management Information System) MIS ، شامل پیش بینی ها و گزارشات استاندارد

تست فرضیات (Hypothesis Tests ) ، شامل تمامی سوالات متوالی که هر پاسخ منجر به طرح سوالات بعدی می شود.

ساخت مدل، ایجاد مدل و تأیید رفتار آن در برابر داده های historical در Data Warehouse مدلهای پیش بینی کننده، جهت پیش بینی رفتارها بر اساس عوامل historical مورد استفاده قرار می گیرند.

کشف جریانهای ناشناخته، مثلاً علت فروش بالای یک محصول در منطقه ای خاص. ابزار داده کاوی Data Minig پاسخگوی اینگونه سوالات، حتی در حالاتی که سوالی خاص مطرح نشده باشد، می باشد.