Лекция № Роль икт в ключевых секторах развития общества. Стандарты в области икт
жүктеу/скачать 137,44 Kb.
|
Коспект ЛекцийИКТ каз
- Бұл бет үшін навигация:
- Бақылау сұрақтары .
- Деректерді талдау .
| ORM бағдарламалау технологиясы.
ORM (object – relational mapping) - "виртуалды нысан дерекқорын"құру арқылы бағдарламалау тілін біріктіретін бағдарламалау технологиясы. ORM-дің міндеті-мәліметтер базасын жазуда және кері бағытта объект типтерін таратуды басқару. Негізгі мәселе-объектілер иерархиялық құрылымға ие, ал мәліметтер базасы реляциялық құрылымға ие. Жобада ORM пайдалану әзірлеушіні SQL-мен жұмыс істеу және көптеген код жазу қажеттілігінен құтқарады. ORM жасаған барлық код жақсы тексерілген және оны тестілеу туралы ойланудың қажеті жоқ. ORM-дің кемшілігі-бұл жүйенің деректерді пайдалану сценарийлерінің кең спектрін өңдеуіне байланысты өнімділіктің жоғалуы, бұл кез-келген жеке қосымшадан әлдеқайда көп. Бақылау сұрақтары. 1 ДБ дегеніміз не? 2 деректер дегеніміз не? 3 ДБ түрлері қалай жіктеледі? 4 сұрау дегеніміз не? 5 қандай деректер үлгілері бар? 6 ORM дегеніміз не? 7 SQL тілінің негіздері? 8 сұраныстарды оңтайландыру дегеніміз не? 9 қалыпқа келтіру дегеніміз не? 10 ДБ - ға қандай талаптар қойылады? дәріс № 6. Деректерді талдау. Деректерді басқару. Дәрістің мақсаты: деректерді талдау негіздерін үйрену. Дәріс мазмұны: жинау, жіктеу және болжау әдістері. Шешім ағаштары. Деректердің үлкен көлемін өңдеу. Data Mining әдістері мен кезеңдері. Data Mining Тапсырмалары. Деректерді визуализациялау. Деректерді талдау. Деректерді талдау-пайдалы ақпаратты алу және шешім қабылдау мақсатында деректерді зерттеу, сүзу, түрлендіру және модельдеу процесі. Деректерді талдаудың көптеген аспектілері мен тәсілдері бар, ғылым мен қызметтің әртүрлі салаларындағы әртүрлі әдістерді қамтиды. Деректерді жинау жоспарын құру үшін сізге: мәселелерді анықтаңыз және зерттеу мақсаттарын тұжырымдаңыз. қызықтыратын тақырыпты алдын ала зерделеуді жүзеге асыру. зерттеу тұжырымдамаларын әзірлеу. зерттеуді егжей-тегжейлі жоспарлау. ақпарат көздерін іріктеуді және қайталама деректерді жинауды жүргізуге міндетті. алынған деректерді бағалау және бастапқы деректердің қаншалықты қажет екендігі туралы шешім қабылдау. бастапқы деректерді жинау әдісін анықтау: сауалнама, бақылау, эксперимент. бастапқы ақпаратты тікелей жинауды жүргізуге міндетті. зерттеу нәтижелерін ұсыну (презентация). Деректерді болжау әдістері бөлінеді: интуитивті, сарапшылардың пікірлері мен бағалауларымен айналысады; әдебиеттерде сипатталған және олардың негізінде болжау модельдерін құратын формальды. Шешім ағаштары деректерді талдау саласында кеңінен қолданылады. Шешім ағаштары-бұл ережелерді иерархиялық, дәйекті құрылымда ұсыну тәсілі, мұнда әр объект шешім беретін жалғыз түйінге сәйкес келеді. Ағаш әдісі шешетін барлық тапсырмаларды келесі үш сыныпқа біріктіруге болады: Деректер сипаттамасы: шешім ағаштары деректер туралы ақпараттыактам түрде сақтауға мүмкіндік береді, оның орнына объектілердің нақты сипаттамасын қамтитын шешім ағашын сақтай аламыз. Жіктеу: шешім ағаштары жіктеу тапсырмаларын өте жақсы орындайды, яғни объектілерді алдын-ала белгілі сыныптардың біріне жатқызу. Мақсатты айнымалының дискретті мәндері болуы керек. Регрессия: Егер мақсатты айнымалының үздіксіз мәндері болса, шешім ағаштары мақсатты айнымалының тәуелсіз(кіріс) айнымалыларға тәуелділігін орнатуға мүмкіндік береді. Мысалы, бұл сыныпқа сандық болжау есептері кіреді (мақсатты айнымалының мәндерін болжау). Шешім ағаштарын жүзеге асыратын көптеген алгоритмдер бар, олардың ішінде CART, C4.5, NewId, ITrule, CHAID, CN2 және т. б. бірақ ең көп тарағандары: CART (Classification and Regression Tree) – екілік шешімдер ағашын құру алгоритмі – дихотомиялық жіктеу моделі. Мұндай ағаштың әр түйінінде тек екі ұрпақ болады. Алгоритм жіктеу және регрессия есептерін шешеді. C4. 5-бұл шешім ағашын құру алгоритмі, онда түйіннің ұрпақтарының саны шектелмейді. жүктеу/скачать 137,44 Kb. Достарыңызбен бөлісу:
|