|
Big-data-shpar pdf
|
| bet | 7/19 | | Sana | 04.04.2022 | | Hajmi | 33.99 Kb. | | #19304 |
Bog'liq big-data-shpar-конвертирован 632685, AHOLINING ISH BILAN BANDLIGI VA ISHSIZLIK mundarijalik, Bozor iqtisodiyotiga o`tishning milliy modellari, Ижтимоий, 3.2. Биоинформатика самый последн вариант2, 1 amaliy ish, Asadbek Muxtorov taqriz, 1, bayonnoma 4-maktab 2022, betlik 2022, big data MT, 2-mavzu 11, Termopara , Akbarova STILISTIKA.12.Ma'lumotlar bazasini fizik modellashtirish mantiqiy ma'lumotlar bazasini modellashtirish jarayonida to'plangan talablar asosida haqiqiy ma'lumotlar bazasini loyihalash bilan shug'ullanadi. To'plangan barcha ma'lumotlar relyatsion modellar va biznes modellariga aylantiriladi. Fizik modellash jarayonida ob'ektlar sxema darajasi deb nomlanadigan darajada aniqlanadi. Sxema ma'lumotlar bazasida bir-biri bilan bog'liq bo'lgan ob'ektlar guruhi deb hisoblanadi.
Jadvallar va ustunlar mantiqiy modellash jarayonida taqdim etilgan ma'lumotlarga muvofiq amalga oshiriladi. Boshlang'ich kalitlar, noyob kalitlar va xorijiy kalitlar cheklovlarni ta'minlash uchun
belgilanadi. Indekslar va suratlar aniqlanadi. Ma'lumotlar umumlashtirilishi mumkin va jadvallar yaratilgandan so'ng foydalanuvchilarga muqobil istiqbol taqdim etiladi. Ma'lumotlar bazasini modellashtirish ushbu tashkilotda foydalaniladigan dasturiy ta'minotga bog'liq. Bu o'ziga xos dasturiy ta'minot. Fizik modellashtirish quyidagilarni o'z ichiga oladi:Server model diagrammasi - Bu jadvallar va ustunlar va ma'lumotlar bazasida mavjud bo'lgan turli xil munosabatlarni o'z ichiga oladi 2. Maʼlumotlarni intellektual qidirish, taxlil qilish. (8-semestr)
Ma'lumotlarni intellektual tahlil qilish tizimlari (MITT) - bu dasturiy ta'minot qarorlarini qo'llab-quvvatlash tizimlari sinfi
bo'lib, ularning vazifasi katta hajmdagi heterogen, murakkab tuzilgan ma'lumotlarda yashirin, ilgari noma'lum, mazmunli va potentsial foydali qoidalar (modellar) ni qidirishdir. Predmet sohasini tahlili: fan sohasi, tahlil maqsadlari, qo'llash vazifalari, foydalanish holatlari bo'yicha zaruriy muhim bilimlarni aniqlash va shakllantirish. Tahlil uchun ma'lumotlarni shakllantirish va tayyorlash: "xom (tayyor bo`lmagan) " ma'lumotlarni qidirish (yoki tanlash), yig'ish (konsolidatsiya) quyi tizimini amalga oshirish mumkinma'lumotlarni oldindan qayta ishlash (normallashtirish, diskretlashtirish, yetishmayotgan qiymatlarni qayta ishlash, artefaktni olib tashlash, mustahkamlikni tekshirish) o'lchamlarni qisqartirish, muhim xarakteristikalar tanlash, integral ko'rsatkichlar va invariantlarni hisoblash. Yechish kerak bo'lgan tahlil muammosining turini aniqlash: tasniflash, bashorat qilish, klasterlash, istisnolarni qidirish, assotsiativ tahlil va boshqalar. Tahlil algoritmini tanlash (yoki ishlab chiqish): Dastlabki ma'lumotlar turi bo'yicha aniqlik, o'lcham, talqin qilish, qurish tezligi va olingan modellarni qo'llash bo'yicha algoritmga qo'yiladigan cheklovlar va talablarni aniqlash. «Data mining» jarayonlar: tanlangan turdagi va qurilish modellarining naqshlarini izlash uchun tanlangan tahlil algoritmini qo'llash Modellarni tasdiqlash va tahlil natijalarini taqdim etish: vizualizatsiya, transformatsiya, ortiqcha narsalarni olib tashlash, aniqlikni baholash, modellarning ishonchliligi va boshqalar. O'rnatilgan modellarni qo'llash: Descriptive data mining - tahlilchiga ma'lumot berish, "tavsiflovchi" modellar, asosiy maqsad - vizualizatsiya Predictive data mining – qurilgan modellar yordamida "yangi" ma'lumotlardagi noma'lum qiymatlar yoki xususiyatlarni bashorat qilish, asosiy maqsad prognoz qilishdir.
|
| |
