پاورپوینت بررسی و ارزیابی انبار داده یا Data Warehousing

اختصاصی از فی گوو پاورپوینت بررسی و ارزیابی انبار داده یا Data Warehousing دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (قابل ویرایش) تعداد اسلاید  : 31 اسلاید

انبار داده (Data Warehouse) چیست

انـبـار داده بـه مجـموعـه ای از داده هــا گفـتـه می شود که از منابع مختلف اطلاعاتی سازمان جمع آوری ، دسته بندی و ذخیره می شود. در واقع یک انبار داده مخزن اصلی کلیه داده های حال و گذشته یک سازمان می باشد که برای همیشه جهت انجام عملیات گزارش گیری و آنالیز در دسترس مدیران می باشد.

 

 

انبار داده (Data Warehouse):

تکنولوژی انبار داده‌ها شامل مجموعه‌ای مفاهیم و ابزارهای جدیدی است که با فراهم آوردن اطلاعات از دانشگران (افراد اجرایی، مدیر و تحلیلگر) در تصمیم گیری پشتیبانی می‌نماید. دلیل اصلی ساخت انبار داده ها، بهبود کیفیت اطلاعات در سازمان است، در واقع دسترسی به داده‌ها از هر جا درون سازمان داده‌ها از منابع داخلی و خارجی تهیه می‌شوند و به اشکال گوناگون از داده‌های ساختاری گرفته تا داده‌های ساخت نیافته مانند فایل‌های متنی یا چند رسانه‌ای، در مخزنی مجتمع می‌شوند. انبار داده‌ها یا DWH مخزنی از این داده‌هاست که به صورتی قابل درک در دسترس کاربران نهایی کسب و کار قرار می‌گیرد.

zاز اواسط سالهای 1980 نیاز به انبار داده‌ها به وجود آمد و دریافتند که سیستم های اطلاعاتی باید به صورت سیستم‌های عملیاتی و اطلاعاتی مشخص شوند. سیستم‌های عملیاتی از فعالیت‌های روزانه کسب و کار پشتیبانی می‌نمایند و برای پاسخگویی سریع به ارتباطات از پیش تعریف شده مناسب هستند. داده‌های عملیاتی ارائه بی‌درنگ و فعلی وضعیت کسب و کار می‌باشند. اما سیستم‌های اطلاعاتی برای مدیریت و کنترل کسب وکار به کار می‌روند. این سیستم‌ها از تجزیه و تحلیل داده‌ها برای اتخاذ تصمیم درباره عملکرد آنی و آتی سازمان پشتیبانی می‌کنند و برای در خواست‌های موردی، پیچیده و به طور عمده فقط خواندنی طراحی شده‌اند.داده‌های اطلاعاتی تاریخی هستند، به عبارتی بیانگر دیدگاه ثابتی از کسب وکار در یک دوره زمانی می‌باشند.

 

تحقیق درباره بررسی نحوه انتخاب Data Storage در شبکه های حسگر

اختصاصی از فی گوو تحقیق درباره بررسی نحوه انتخاب Data Storage در شبکه های حسگر دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:12

فهرست و توضیحات:

مقدمه

بیان مسأله

اهمیت موضوع

اهداف پژوهش

بررسی نحوه انتخاب Data Storage در شبکه های حسگر

شبکه های سنسور بی سیم شامل نودهای کوچکی با توانایی حس کردن، محاسبه و ارتباط به زودی در همه جا خود را می گسترانند. چنین شبکه هایی محدودیت منابع روی ارتباطات، محاسبه و مصرف انرژی دارند. اول اینکه پهنای باند لینکهایی که گرههای سنسور را به هم متصل می کنند محدود می باشد و شبکه های بیسیم ای که سنسورها را به هم متصل می کنند کیفیت سرویس محدودی دارند و میزان بسته های گم شده در این شبکه ها بسیار متغیر می باشد. دوم اینکه گره های سنسور قدرت محاسبه محدودی دارند و اندازه حافظه کم نوع الگوریتمهای پردازش داده ای که می تواند استفاده شود را محدود می کند. سوم اینکه سنسورهای بی سیم باطری کمی دارند و تبدیل انرژی یکی از مسائل عمده در طراحی سیستم می باشد.

داده جمع آوری شده می تواند در شبکه های سنسور ذخیره شود و یا به سینک منتقل شود وقتی داده در شبکه های سنسور ذخیره می شود مشکلات عدیده ای به وجود می آید:

• سنسورها میزان حافظه محدودی دارند که این باعث می شود نتوانیم میزان زیادی داده که در طول ماه یا سال جمع آوری شده را ذخیره کنیم
• چون منبع تغذیه سنسورها باطری می باشد با تمام شدن باطری داده ذخیره شده در آن از بین می رود.
• جستجو در شبکه گسترده و پراکنده آن بسیار مشکل می باشد.

داده ها می توانند به سینک منتقل شوند و در آنجا برای بازیابی های بعدی ذخیره شوند این شما ایده آل می باشد چون داده ها در یک محل مرکزی برای دسترسی دائمی ذخیره می شوند. با این حال، ظرفیت انتقال به ازای هر نود در شبکه سنسور که به صورت تعداد بسته هایی که سنسور می تواند در هر واحد زمانی به سینک منتقل کند تعریف می شود، محدود می باشد. حجم زیادی از داده نمی تواند به صورت موثر از شبکه سنسور به سینک منتقل شود علاوه بر اینها انتقال داده از شبکه سنسور به سینک ممکن است انرژی زیادی مصرف کند و این باعث مصرف انرژی باطری شود.

بخصوص سنسورهای اطراف سینک به طور وسیع مورد استفاده قرار می گیرند وممکن است سریع خراب شوند و این باعث پارتیشن شدن شبکه می شود. این امکان وجود دارد که با افزایش هزینه برخی از نودها با ظرفیت حافظه بیشتر و قدرت باطری بیشتر در شبکه های سنسور استفاده شود این سنسور ها از اطلاعات موجود در سنسورهای نزدیک Backup می گیرند و به Query ها جواب می دهند. داده جمع آوری شده در هر نود می تواند به صورت پریودیک توسط رباتها به Data ware house منتقل شود چون نودهای ذخیره داده را فقط از نودهای همسایه جمع آوری می کنند و از طریق فیزیکی منتقل می کنند، مشکل ظرفیت محدود حافظه، ظرفیت انتقال و باطری تا حدودی بهبود می یابد.

پروژه تحقیقاتی PDO PHP Data Objects افزونه ای سبک و قدرتمند برای برقراری ارتباط با تمامی پایگاه داده ها

اختصاصی از فی گوو پروژه تحقیقاتی PDO PHP Data Objects افزونه ای سبک و قدرتمند برای برقراری ارتباط با تمامی پایگاه داده ها دانلود با لینک مستقیم و پر سرعت .

افزونه ای سبک و قدرتمند برای برقراری ارتباط با تمامی پایگاه داده ها

PHP Data Objects PDO

پروژه درس پایگاه داده، سیستم های اطلاعاتی، پایگاه داده پیشرفته، آزمایشگاه پایگاه داده، بانک های اطلاعاتی

PHP Data Object یک کتابخانه Database Connection Abstraction برای PHP 5 است و از PHP 5.1 به صورت پیش­فرض نصب شده است. در حقیقت یک افزونه سبک و قدرتمند PHP، برای برقراری ارتباط با پایگاه­ داده­ها می­باشد، که با زبان C/C++ نوشته شده است.

مباحث مطرح شده

PDO چیست

مزیت­های PDO

کلاس­های تشکیل دهنده PDO

ساخت یک پایگاه داده با mysql

نحوه اتصال توسط PDO

اجرای کوئری و انتخاب داده­ها

یک مثال عملی برای استفاده از پایگاه داده PDOای که ساخته شد

نتیجه گیری

منابع و مراجع

قسمتی از یکی از صفحات این تحقیق را در تصویر زیر ملاحظه می نمایید.

 

آنچه تحویل داده می شود:

1. فایل ورد Microsoft Word .docx به زبان فارسی. فهرست هم دارد و بسیار شکیل و زیبا و مرتب نوشته شده است
2. فایل PDF به زبان پارسی

تعداد صفحات فایل ورد این تحقیق: 11 صفحه

مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار) و دانشجویان IT

می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این تحقیق را تحویل داد، دروسی مانند پایگاه داده، سیستم های اطلاعاتی، پایگاه داده پیشرفته، آزمایشگاه پایگاه داده، بانک های اطلاعاتی، حتی هنرستانی ها و کار دانشی ها نیز می توانند این تحقیق را به عنوان پروژه خود تحویل دهند

پس از خرید از درگاه امن بانکی، لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:

[e-mail]

یا شناسه تلگرام (آی دی تلگرام ما): @ebarkat

توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

توجه توجه توجه: هرگونه کپی برداری و فروش فایل های فروشگاه برکت الکترونیک (به آدرس ebarkat.ir یا ebarkat.sellfile.ir) در فروشگاه های دیگر شرعاً حرام است، تمامی فایل ها و پروژه های موجود در فروشگاه، توسط ما اجرا و پیاده سازی شده اند و دارای حق کپی رایت اسلامی می باشند.

از پایین همین صفحه می توانید این پروژه را خریداری نمایید.

دانلودمقاله Data mining

اختصاصی از فی گوو دانلودمقاله Data mining دانلود با لینک مستقیم و پر سرعت .

چکیده :
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها , الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربراتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طورفزایند های در تحلیل ها مورد استفاده قرار می گیرد.

کلمات کلیدی :
Data mining, Predictive data mining, Exploration data analysis,
Data warehousing, Olap, neural network, Deployment , machine
Learning, Meta-learning, Bagging , Boosting , clustering , Eda
Drill-down analysis, Stacket generalization , classification

مقدمه :
امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم (ستاره شناسی،...)‌در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) کاربرد دارد. عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.
در واقع هـــــدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می کنند. به کاربردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیتهای انباره داده ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می کند.

داده کاوی (Data mining) :

داده کاوی (Data mining) یک فرایند تحلیلی است که جهت کاوش داده ها (معمولاً حجم بالای داده ها و یا داده های تجاری و مربوط به بازار) و جستجوی الگوهای پایدار یا روابط سیستماتیک مابین متغیرها بکار میرود وسپس با اعمال الکو های شناسایی شده به زیر مجمو عه های جدید صحت داده های بدست آمده بررسی میگردد. هدف نهایی داده کاوی پیشگویی است.
سازما نها معمو ً لا روزانه مقدار زیادی داده را در انجام عملیات تجاری خود تولید و جمع آوری می کنند.
امروزه برای این پایگاه های داده شرکتی عجیب نیست که مقدار داده های آن در حد ترابایت باشد. با این حال علی رغم ثروت اطلاعاتی عظیم ذخیره شده حدس زده می شود که فقط ٪ ٧کل داد ه هایی که جمع آوری می شود مورد استفاده قرار می گیرد. بدین ترتیب مقدار قابل توجهی داده که بدون شک حاوی اطلاعات ارزشمند سازمانی است تا حد زیادی دست نخورده باقی می ماند. در محیط تجاری عصر اطلاعات، که هر روز رقابتی تر می شود می توان با استخراج اطلاعات از داد ه های استفاده نشده به تصمیم گیری های استراتژیک دست یافت. در طول تاریخ تحلیل داده ها از طریق رگرسیون و دیگر تکنیک های آماری انجام شده است. برای استفاده از این تکنیکها ، لازم است که تحلیل گر مدلی خلق کند و فرآیند گر دآوری دانش را سازمان دهد.
اما امروزه این روش ها به تنهایی کافی نیستند و باید از روش ها ی خود کار استفاده کرد.
داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.
این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها ، الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربر اتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طور
فرایند های در تحلیل ها مورد استفاده قرار می گیرد

داده کاوی پیشگویانه رایج ترین نوع داده کاوی است و با برنامه های کاربردی تجاری در ارتباط مستقیم است . فرایند داده کاوی از سه مرحله تشکیل شده است.
ا- کاوش اولیه (initial exploration )
2-ساختن مدل یا شناسایی الگو بوسیلة سنجیدن اعتبار وصحت داده ها
3-گسترش

1- مرحله کاوش(Exploration) :
این مرحله معمولاً با آماده سازی داده ها آغاز می شود که تشکیل شده است از پاکسازی داده ها (cleaning data) ،تغیر شکل داده ها، انتخاب زیر مجموعه ای از رکورد ها (در زمانی که مجموعه ای از داده ها با حجم بالایی از فیلد ها موجود است) و انجام دادن برخی عملیات اولیه جهت قرار دادن متغیر ها در یک بازة قابل مدیریت،که بستگی به روش آماری ای که مورد نظراست دارد و پس ازآن به طبیعت مسئله تحت بررسی مربوط می شود.
مرحلهُ اول فرآیند داده کاوی می تواند در هر جایی از گسترة ، انتحاب یک روش مستقیم پیشگویی تا یک روش تجزیه و تحلیل با جزئیات وزحمت بالا قرار داشته باشد .(جهت کسب اطلاعات وسیع تر به قسمت EDA مراجعه کنید).
این مدل جهت شناسایی متغییر هایی که بیشتر از همه با موضوع مرتبط هستند و جهت مشخص کردن پیچیدگی و طبیعت کلی مسئله در مراحل بعدی مورد استفاده قرار میگیرد .

مرحله 2- ساختن مدل و معتبر سازی (model building and validation):
این مرحله در گیر در نظر گرفتن مدل های مختلف،و انتخاب بهترین آنها بر اساس کارایی در پیشگویی ، می باشد.(برای مثال تعییرات سوُالات را تشریح کندونتایج ثابتی در مقابل نمونه ها تولید کند.) شاید این به نظر عملیات ساده ای بیاید. ولی در واقع بعضی از مواقع در گیر یکسری فرآیند های پیچیده می شود.روشهای مختلفی جهت رسیدن به این هدف وجود دارد که آنها را روشهای ارزیابی رقابتی مدل ها (competitive evaluation of models ) می نامند که مدلهای مختلفی را بر روی یک دادهُ ثابت اعمال می کند و سپس کارایی آنها بررسی می شود تا بهترین آنها انتخاب گردد. این روش ها که در خیلی از مواقع به عنوان هستهُ داده کاوی پیشگویانه تلقی می گردند و شامل طبقه بندی کردن(bagging،)، ترقی دادن (boosting ) ،انباشتن (stacking )و یادگیری غیر نمادین(meta learning )میباشند.

مرحلة3- مرحلهُ گسترش Deployment):( :
در آخرین مرحله مدلی که به عنوای بهترین مدل در مرحلة قبلی انتخاب شده بود بر روی داده های جدید به منظور تولید پیشگویی یا بر آورد خروجی مورد انتظار اعمال میگردد.
شهرت داده کاوی به طور روز افزونی به عنوان یک ا بزار مدیریت تجاری داده ها شهرت یافته است و انتظار می رود بتواند ساختار های دانشی را نمایان سازد که در شرایط عدم قطعیت تصمیمات گرفته شده را هدایت کند.
روشهای تحلیلی جدید خصوصاً جهت نشان دادن مسائل مرتبط با داده کاوی تجاری ،اخیراًبسیار مورد توجه بوده اند (به عنوان مثال درخت های رده بندی) ، با این حال داده کاوی هنوز مبتنی بر قواعد مفهومی روشهای دستیابی قدیمی نظیر آنالیز اکتشافی داده ها (EDA) و مدلساری میباشد. وقسمت هایی از دست آورد های عمومی و بعضی از تکنیک های خاص خود را با آنها به اشتراک می گذارد.
بهرحال تفاوت زیادی در نفطه نظرات و اهداف داده کاوی و روش آنالیز اکتشافی داده ها (EDA) وجود دارد . داده کاوی بیشتر متمایل به کاربردها است تا طبیعت اصلی پدیدة مورد بررسی.به عبارت دیگر داده کاوی کمتر به شناسایی روابط خاص موجود بین متغیرها می پردازد.برای مثال آشکار کردن توابع و انواع داده ای خاصی که بر روابط تعاملی و چند متغیری که بین متغیرها وجود دارد هدف اصلی داده کاوی نمی باشد. در عوض توجه خود را به ایجاد روشی که بتواند پیشگویی قابل استفاده ای تولید کند معطوف می سازد. و به همین دلیل است که داده کاوی از بین دست آوردهای جعبه سیاه(black box ) در کاوش داده ها یا اکتشاف دانش مقبولیت بیشتری دارد. و نه تنها از روش های سنتی آنالیز اکتشافی داده ها (exploratory data analysis (استفاده می کند بلکه از روشهایی مانند شبکه های عصبی ( Neural network ) که می تواند پیشگویی های معتبری تولید کند ولی قادر به شناسایی طبیعت خاص روابط داخلی بین متغیرهایی که پیشگویی ها بر اساس آنها صورت گرفته است نمیباشد سود می جوید.
مفاهیم تعیین کننده در داده کاوی:
1-هم پیوندی (Bagging) :
هم پیوندی قابلیتی برای یافتن روابط ناشناخته موجود در اطلاعات است. این روابط مواردی از قبیل اینکه
حضور مجموعه ای از مقولات اشاره به این دارند که مجموعه مقولات دیگری نیز احتمالا وجود دارند را
شامل می شود. این قابلیت اساسًا روشی است برای اینکه کشف کنیم چه مقولاتی به هم می خورند. از آن با عنوان تحلیل سبد بازار یا گروه بندی خویشاوندی نیز یاد می شود.
برای مثال، گزار شهای هم پیوندی چنین شکلی دارند:"٪ ٨٠ مشتریانی که کالای A را خریداری نموده اند، کالای Bرا نیز خریده اند." درصد خاص وقوع وقایع) مثلا ٪ ٨٠ این نمونه ( را فاکتور اطمینان هم پیوندی B و A می نامند. همچنین ممکن است هم پیوندی های چند گانه وجود داشته باشد: "٪ ٧٥ مشتریانی که کالای D را خریداری نموده اند، کالای Cرا نیز خریده اند."
کاربرد های هم پیوندی عبارتند از برنامه ریزی موجودی، برنامه ریزی تبلیغاتی برای فروش و مراسلات بازاریابی مستقیم.
مفهوم Bagging (راُی دادن به رده بندی و بدست آوردن متوسط مسائلی که دارای متغیر هایی با مقادیر متوسط وابسته میباشند)و در گسترة داده کاوی اعمال می گردد تا طبقه بندی های پیشگویانه را از مدل های چندگانه یا از یک نوع مدل ، برای درک اطلاعات ترکیب کند . و همچنین جهت نشان دادن بی ثبا تی ماندگار نتایج در زمانی که مدل های پیچیده به مجموعه های کوچک داده ها اعمال می شوند به کار می رود. فرض کنید که عمل داده کاوی شما می خواهد یک مدل جهت طبقه بندی پیشگویا نه بسازد و مجموعة داده های آن نسبتاً کوچک است . شما می توانید به صورت متوالی مجموعه داده ها را به نمونه های کوجکتر تقسیم کنید و اعمال کنید همانند رده بندی درختی تا به نمونه مورد نظر برسید.در عمل درخت های متفاوتی برای نمونه های منقاوت بسط داده میشوند.یکی از روش های استنتاج یک پیشگویی استفاده از قالب درختی در نمونه های مختلف است و پس از آن برخی نظریات بر روی آن اعمال می گردد.
طبقه بندی نهایی طبقه بندی است که عموماً توسط درخت های متفاوت پیشگویی می شود. توجه داشته باشید که برخی از ترکیب های وزن دار از پیشگویی ها نیز محتمل است و عموماً مورد استفاده قرار می گیرد. یک الگوریتم پیشرفته جهت ایجاد وزن برای پیشگویی های وزن دار یا voting رویه های Boosting هستند.

2-طبقه بندی) Boosting ( :
طبقه بندی در واقع ارزشیابی ویژگیهای مجموعه ای از داد ه ها و سپس اختصاص دادن آ نها به مجموعه ای از گرو ههای از پیش تعریف شده است. این متداولترین قابلیت داده کاوی می باشد. داده کاوی را می توان با استفاده از داده های تاریخی برای تولید یک مدل یا نمایی از یک گروه بر اساس ویژگی های داده ها به کار برد. سپس می توان از این مدل تعریف شده برای طبقه بندی مجموعه داده های جدید استفاده کرد. همچنین می توان با تعیین نمایی که با آن سازگار است برای پیش بینی های آتی از آن بهره گرفت.
برای مثال، برای طبقه بندی تخلفات و کلاهبرداری ها در صنعت و اعتبارات، با استفاده از قابلیت طبقه بندی داده کاوی، سیستم با استفاده از مجموعه ای از پیش تعریف شده از داده ها، تعلیم می بیند. مجموعه داد ه های مورد استفاده در این نمونه باید هم شامل مجموعه هایی از داد ه های معتبر باشند و هم شامل مجموعه هایی از داد ه های جعلی. از آن جا که این داده ها از پیش تعریف شده هستند، سیستم پارامترهایی را می یابد که می توان از آ نها برای تشخیص طبقه بندی های متمایز استفاده کرد. بعد از تعیین پارامترها سیستم از آ نها برای طبقه بندی های بعدی بهره خواهد گرفت.
در واقع سیستم هایی که بر اساس طبقه بندی داده کاوی می کنند، دو مجموعه ورودی دارند: یک مجموعه آموزشی که در آن داده هایی که به طور پیش فرض در دسته های مختلفی قرار دارند، همراه با ساختار دسته بندی خود وارد سیستم می شوند و سیستم بر اساس آ نها به خود آموزش می دهد یا به عبارتی پارامترهای دسته بندی را برای خود مهیا می کند. دسته دیگر از ورودی هایی هستند که پس از مرحله آموزش و برای تعیین دسته وارد سیستم می شوند.
تکنیک های داده کاوی که برای دسته بندی به کار می آیند عمومًا شامل تکنیک های شبکه عصبی و درخت تصمیم گیری هستند.
یکی از متغیرهای مهم در قابلیت دسته بندی برآورد یا امتیاز دهی است. هر جا طبقه بندی یک پاسخ دو تایی مثل بله و خیر ارائه کند، برآورد یک درجه بندی مثل پایین بالا و یا متوسط ارائه می کند. در اصل برآورد، چندین نما در امتداد مجموعه ای از داده ها فراهم می آورد که نشان دهنده درجه تعلق یک نما به یک مجموعه است.
کاربرد قابلیت طبقه بندی در بازاریابی هدف، تصویب اعتبار و بررسی تقلب، است
مفهوم Boosting در گسترة داده کاوی پیشگویانه مطرح می شود و جهت ایجاد مدل ها و طبقه بندی های چند گانه مورد استفاده قرار می گیرد و همچنین برای استنتاج وزن ها برای ترکیب پیشگویی ها از آن مدل ها در یک پیشگویی واحد یا یک ردة پیشگویی به کار می رود.
یک الگوریتم ساده جهت Boosting به صورت این صورت عمل می کند که ابتدا کار را با اعمال کردن روش هایی بر روی learning data آغاز می کنیم (مانند طبقه بندی کننده های درختی )و به هر مشاهده وزن یکسانی نسبت می دهیم. طبقه بندی های پیشگویی شده را محاسبه کنید و وزن های تعیین شده را بر روی مشاهدات نمونه مورد بررسی که نسبت معکوس با دقت طبقه بندی دارند اعمال کنید .به عبارت ساده تر به مشاهداتی که طبقه بندی آنها دشوار تر است وزن بیشتری را اختصاص بدهید .(یعنی نرخ عدم طبقه بندی آنها بالا بوده است) و وزن کمتری را به آنهایی که طبقه بندی آنها ساده تر بوده است نسبت بدهید.(نرخ عدم طبقه بندی پایین بوده است )،سپس طبقه بندی را دوباره به داده های وزن دار اعمال کنیدو در طی چرخه بعدی این عملیات را ادامه دهید.
Boosting یک توالی از طبقه بندی ها ایجاد می کند .که هر توالی طبقه بندی در این روندیک متخصص در امر طبقه بندی مشاهداتی که پیش بینی آنها ساده نبوده است خواهد بود ، وسپس پیشگویی های انجام شده توسط طبقه بندی کننده های مختلف با یکدیگر ترکیب می شوند تا یک پیشگویی یا طبقه بندی بهینه ارائه دهند.
٣.الگوهای ترتیبی :
قابلیتهای ترتیبی هم مانند قابلیتهای هم پیوندی این خاصیت را دارند که می توانند وقایع را با هم مرتبط
کنند. این کار در هم پیوندی سنتی یا تحلیل سبد بازار مجموعه ای از مقولات را به عنوان مقولات پشت سر هم ارزیابی می کنند و از ابزارهایی مثل سر یهای زمانی هم برای تعیین ترتیب بهره می برند. الگوهای ترتیبی علاوه بر آن، این قابلیت جدید را هم دارند که می توانند فاصله زمانی بین دو واقعه را تخمین بزنند. برای مثال این قابلیت امکان نتیجه گیری هایی از قبیل اینکه " ٪ ٨٠ افرادی که کامپیوتر می خرند ظرف مدت ١ سال چاپگر هم خواهند خرید." را مهیا می نماید. به این ترتیب شناسایی نوعی از خریدهای مقدماتی که پتانسیل خریدهای بعدی را در آینده تعیین می کنند، عملی می شود. در نتیجه از چنین تحلیل هایی به شدت در تبلیغات فروش استفاده می گردد.

٤.خوشه بندی(clustering) :
قابلیت خوشه بندی وظیفه تقسیم یک گروه ناهمجنس را در چندین زیر گروه بر عهده دارد. این فرایند یک تفاوت اساسی با طبقه بندی دارد. زیرا در این مدل هیچ گونه الگوی آموزشی نداریم. خوشه بندی به طور خودکار ویژگی های متمایز کننده زیر گروه ها را تعریف می کند و زیر گرو هها را سازماندهی می نماید. و به عنوان نوعی قابلیت داده کاوی غیر مستقیم مطرح است.
این ابزارها پایگاه داده را بر اساس ویژگی های داده ها به چندین بخش تقسیم می کنند و گروه هایی از رکوردها را به وجود می آورند که نمایانگر یا صاحب صفت خاصی هستند. الگوهای به دست آمده در ذات پایگاه داده نهادینه هستند و نشانگر بعضی اطلاعات غیر منتظره و در عین حال ارزشمند شرکتی باشند.
مثالی از کاربردهای خوشه بندی در تقسیم بندی افرادی است که به پرسش نامه ای پاسخ داده اند. از این کار می توان در تقسیم بندی مشتریانی که به پرسش نامه ها پاسخ داده اند در گروه هایی که اعضای آن بیشترین شباهت را با یکدیگر و بیشترین تفاوت را با اعضای سایر گروه ها دارند، استفاده کرد. بعد از بخش بندی جمعیتی با استفاده از قابلیت خوشه بندی می توان بر روی خوشه های مشخص شده تحلیل هم پیوندی انجام داد تا خریدهای به هم مرتبط یک گروه جمعیتی خاص شناخته شوند.
کاربرد خوشه بندی برای تعیین بهترین گروه های جامعه شناختی برای اهداف خاص بازاریابی است.
اغلب از خوشه بندی به عنوان اولین گام فراین دهای داده کاوی یاد می شود که قبل از سایر فرایند ها برای شناسایی گروهی از رکوردهای مرتبط با هم که بعدًا بتوانند نقطه آغاز تحلیلها باشند بر روی رکوردها اعمال می شود.

تهیه مقدمات جهت داده کاوی :
تهیه مقدمات لازم و انجام پاکسازی از جمله مراحل بسیار مهّم ولی عموماً غفلت شده در فرایند داده کاوی می باشد. مصداق آن در بسیاری از پروژه های داده کاوی است که در آنها مجموعه ای از داده ها بوسیلة برخی روشهای اتوماتیک بدست می آیند. عموماً روشهایی که توسط آنها داده هاحمع آوری می شوند بدرستی کنترل نشده است ( مثل web )و مثلاً داده ها ممکن است شامل مقادیر خارج از محدوده باشند
(مثل 100- = درآمد) و ترکیبات غیر ممکن داده ها و آنالیز داده هایی که با دقت انتخاب نشده اند در چنین مسائلی منجر به تولید نتایج منحرف کننده ای می گردد. خصوصاً در داده کاوی پیشگویانه این مشکل بسیار محسوس است.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله   47 صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

مرکز داده (data center)

اختصاصی از فی گوو مرکز داده (data center) دانلود با لینک مستقیم و پر سرعت .

مرکز داده دیتا سنتر data center

پایان نامه رشته نرم افزار, سخت افزار و کامپیوتر

فرمت ورد doc

تعداد 136 صفحه

ارزش واقعی این پروژه: 80000 هشتاد هزار تومان می باشد

فهرست مطالب

فصل اول : اهمیت و ضرورت مراکز داده  1-1 مقدمه --------------------- 7                   

1-2 عوامل مختلف قطعی و از کار افتادن سیستم----------------------------11

فصل دوم : معرفی مرکز داده، طراحی، سخت افزار

2-1 مرکز داده چیست؟-----------------------------------------------------------------19 2-2  تعاریف مختلف مرکز داده -----------------------------------------------------------22

2-3  دسته بندی مراکز داده -------------------------------------------------------------23

2-4  مراکز داده اینترنتی (IDC)---------------------------------------------------------24

2-5  سرویس های قابل ارائه در یک مرکز داده اینترنتی عبارتند از-------------------------------24

2-6  مشخصات امنیتی مرکز داده اینترنتی-------------------------------------------------25 2-7  دیدگاه کلی در طراحی زیر ساخت مراکز داده-------------------------------------------25

2-8  شناسایی و طبقه بندی منابع مرکز داده------------------------------------------------27

2-9 ساختار و اجزاء مراکز داده------------------------------------------------------------29 2-9-1 ساختار شبکه‌ای مرکز داده---------------------------------------------------------29

2-9-2 ساختار نرم افزاری مرکز داده-------------------------------------------------------30

2-9-3 ساختار فیزیکی مرکز داده---------------------------------------------------------30

2-10 برنامه‌های کاربردی کاربردی --------------------------------------------------------31

2-11 زیر ساخت مدیریت----------------------------------------------------------------32 2-12  تقسیم بندی فضای داخلی مرکز داده-------------------------------------------------32

2-12-1  فضای server Room---------------------------------------------------------32

2-12-2 فضای تخلیه تجهیزات-----------------------------------------------------------33

2-12-3 فضای مربوط به تجهیزات HVAC--------------------------------------------------33

2-12-4 فضای مربوط به تجیهزات دستگاههای مولد برق (ژنرتورها) ) ----------------------------34

2-12-5  فضای پرسنل-----------------------------------------------------------------34

2-12-6  فضای UPS  و کابینت های باطری------------------------------------------------35

2-12-7  اتاق نکهداری مخازن گاز--------------------------------------------------------35

2-12-8  اتاق مانیتورینگ و کنترل شبکه---------------------------------------------------35

2-12-9  اتاق ارتباطات Communication-----------------------------------------------36

2-13 ساختار و طراحی سیستم های تغذیه و نیرو مرکز----------------------------------------36

2-13-1 سامانه تامین برق مصرفی--------------------------------------------------------37

2-13-2 روشنایی----------------------------------------------------------------------38

2-13-3 سیستم اطفاء حریق هوشمند-----------------------------------------------------38

2-14  مشخصات یک مرکز داده----------------------------------------------------------39

2 -14-1 در اختیار داشتن اتصالات مختلف به اینترنت از طریقISP وICP های مختلف---------------40

2-14-2 وجود سیستم قدرت پشتیبان-----------------------------------------------------40

2-14-3 وجود سرورهای متعدد-----------------------------------------------------------40

2-14-4مشخصات فیزیکی---------------------------------------------------------------41

2-15 نحوه در اختیار گرفتن یک سرور وب--------------------------------------------------41

2-16ضرورت راه‌اندازی مرکزداده در ایران---------------------------------------------------42

17-2  مزایای راه‌اندازی مرکزداده در ایران--------------------------------------------------42

2-17-1  پایین آمدن ترافیک Gateway های شرکت مخابرات---------------------------------42

2-17-2  استفاده بهینه از امکانات موجود---------------------------------------------------43

2-17-3 هزینه پایین‌تر------------------------------------------------------------------44

2-17-3  امنیت بیشتر برای سرورها-------------------------------------------------------44

2-17-4 مزایای در اختیار داشتن مرکزداده در آینده------------------------------------------44

2-18 مرکز داده به عنوان مرکز گواهی هویت------------------------------------------------45

2-20 مراکز اطلاعات در آمریکا-----------------------------------------------------------46

فصل سوم : معیارهای طراحی مرکز داده

3-1  معیارهای طراحی مراکز داده-------------------------------------------------------- 49

3-2 هدف ، بودجه و ضوابط-------------------------------------------------------------49

3-2-1 هدف پروژه پروژه ----------------------------------------------------------------50

3-2-2 بودجه-------------------------------------------------------------------------50

3-2-3  ضوابط------------------------------------------------------------------------52

3-2-3 -1  موقعیت مکانی---------------------------------------------------------------52

3-2-3 -2 معیارهای اصلی---------------------------------------------------------------53

 3-2-3-3 معیارهای فرعی---------------------------------------------------------------54

3-3 بکارگیری رک-------------------------------------------------------------------- 55

3-4 نماهای موجودیت سیستم------------------------------------------------------------55

3-5  تشخیص امکان سنجی پروژه---------------------------------------------------------58

3-6 طرح ساختاری مرکز داده------------------------------------------------------------59

3-7  ملاحظات ساختاری----------------------------------------------------------------60

3-8  سطح هموار---------------------------------------------------------------------- 61

3-9 راهروها و دیگر فضاهای باز مورد نیاز---------------------------------------------------61

3-10 مرکز فرمان----------------------------------------------------------------------62

3-11 سیستم های پشتیبانی مرکز داده---------------------------------------------------- 63 3-12  فضا و وزن----------------------------------------------------------------------64

3-13  نیازهای منبع تغذیه---------------------------------------------------------------64

3-14  HVAC و جریان هوا--------------------------------------------------------------64

3-15  کابل کشی شبکه-----------------------------------------------------------------65

3-16  افزونگی و تکرار اطلاعات میان فایل های گوناگون---------------------------------------65

3-17  برنامه ریزی امکان توسعه----------------------------------------------------------66

فصل چهارم : بررسی ساختار مرکز داده

4-1 ساختار و اجزاء--------------------------------------------------------------------68

4-1-1  لایه مجتمع سازی (Aggregation) -----------------------------------------------69

4-1-2 لایه Front- End---------------------------------------------------------------69

3-1-3 لایه برنامه های کاربردی (Application) -------------------------------------------71

4-1-4 لایه Back-End----------------------------------------------------------------71

 4-1-5 لایه ذخیره سازی (Storage) ----------------------------------------------------72

4-1-6  لایه انتقال---------------------------------------------------------------------72

4-2 سرورها (Server farm ) در مراکز داده------------------------------------------------73

4-2-1  سرورهای اینترنت ( Intranet server farm ) -------------------------------------73

4-2-2  سرورهای اینترانت (Internet server farm) --------------------------------------74

4-2-3  سرورهای فراسازمانی (farm Extranet server ) -----------------------------------74

4-3 مراکز داده  توزیع شده   ) Distributed Data Center (DDC---------------------------74

4-4 سرویس های مراکز داده-------------------------------------------------------------75

4-4-1 سرویس­های لایه 1 ( سرویس­های شهری ) -------------------------------------------75

4-4-2سرویس­های لایه 2---------------------------------------------------------------76

4-4-3 سرویس­های لایه 3---------------------------------------------------------------76

4-4-4 سرویس های هوشمند شبکه ای----------------------------------------------------77

4-4-5 سرویس های سرورها ( Server Farm) ---------------------------------------------77

4-4-6 سوئیچینگ محتوا (Content Switching) -----------------------------------------78

4-4-7 سرویس Caching--------------------------------------------------------------78

4-4-8 SSL Termination------------------------------------------------------------79

4-4-9 Content Transformation----------------------------------------------------79

4-4-10  سرویس های ذخیره سازها-------------------------------------------------------79

4-4-11  سرویس­های امنیتی------------------------------------------------------------80

4-4-11-1 لیست­های کنترلی دسترسی  (Access Control Lists (ACL -----------------------81

4-4-11-2  Firewallها----------------------------------------------------------------81

4-4-12 سرویس­های مدیریتی----------------------------------------------------------- 81  

  فصل پنجم : امنیت در دیتا سنتر

5-1 امنیت فیزیکی و منطقی-------------------------------------------------------------84

5-2 محدودیت­های دسترسی فیزیکی------------------------------------------------------84 5-3 محدودیت­های دسترسی منطقی ------------------------------------------------------84

5-4 نظارت سیستم--------------------------------------------------------------------85

5-5 مدیریت سیستم­ها از را دور--------------------------------------------------------- 87

5-6 کنترل دسترسی-------------------------------------------------------------------88

5-6-1 قابلیت اعتماد-------------------------------------------------------------------88

5-6-2 جامعیت-----------------------------------------------------------------------89

5-6-3 دسترس پذیری------------------------------------------------------------------89

5-7 چرا کنترل دسترسی اهمیت دارد؟-----------------------------------------------------90

5-8 انواع کنترل دسترسی---------------------------------------------------------------91

5-9 تعریف کنترل دسترسی از دیدگاه CISSP----------------------------------------------91

5-10 کنترل دسترسی در )  ISO ۱۷۷۹۹-۲۰۰۵ ) -----------------------------------------92

5-11 مدلهای کنترل دسترسی-----------------------------------------------------------93

5-11-1 کنترل دسترسی اجباری---------------------------------------------------------94

5-11-2 کنترل دسترسی احتیاطی--------------------------------------------------------94

5-11-3 کنترل دسترسی غیراحتیاطی-----------------------------------------------------95

مراجع-------------------------------------------------------------------------------96

فهرست جداول

جدول 1-1 عوامل قطعی برنامه ریزی شده و برنامه ریزی نشده قطعی----------------------------13

جدول 1-2 میانگین هزینه قطعی در ساعت برای صنایع مختلف---------------------------------15

فهرست اشکال

شکل 1- 1 : تکنولوژی­های گذشته، حال و آینده دنیای کامپیوتر---------------------------------7

شکل 1-2 : موارد قطعی سیستم----------------------------------------------------------12

شکل 2-1شمای یک مرکز داده به همراه تجهیزات--------------------------------------------20

شکل 3-1- پروفایل مرکز داده بانک Chekhovian-------------------------------------------56

شکل3-2 فضای مناسب راهرو و ردیف های ناپیوسته------------------------------------------62

شکل4-1ساختار طراحی لایه­ای یک مرکز داده-----------------------------------------------68

شکل 4-2 سرورهای Front-end در مرکز داد-----------------------------------------------70

شکل4-3 تکنولوژی انتقال برای اتصالات پرسرعت بین شبکه­های سازمانی--------------------------72

شکل 5-1وسایل کنترل امنیت فیزیکی مرکز داده---------------------------------------------85

فهرست پروژه ساخت دیتالاگر دما توسط میکروکنترلر ARM و MMC

فصل اول : مقدمه ..........................................................................................97   

فصل دوم : شرح دیتا لاگر دما...........................................................................99

فصل سوم : سخت افزار پروژه........................................................................101

فصل چهارم : نرم افزار پروژه........................................................................115

فصل پنجم : نتیجه وپیشنهاد.............................................................................144

  فصل ششم: عکس هایی از پروژه.....................................................................145

منابع و ماخذ پروژه سخت..............................................................................147

چکیده :DATA CENTER,IT,INTERNET 

ARM , ARM MICROCONTROLLER , AT91SAM7X256 , ATMEL

KEIL , MMC , RL_FLASHFS , DATALOGGER , TEMP ,

-1 مقدمه :

در دنیای IT ، زیر ساخت های سخت افزاری زیادی برای ارتباط بین کاربر و کامپیوترها استفاده می شود. این زیر ساخت ها شامل : تجهیزات شبکه، سرورها، دستگاه های ذخیره سازی، کابل­ها، دستگاه­های سیمی و بدون سیم، آنتن­ها، مسیریاب­ها، سوئیچ­ها و دستگاه­های دیگری است و در دو طرف مسیر انتقال این دستگاه­ها وجود دارد.

همچنین این زیر ساخت ها شامل: نرم افزارهای ذخیره سازی مدیریت، ارسال و دریافت داده­ها و سیگنال­ها می شود. در بعضی موارد، مفهوم زیر ساخت یعنی ارتباط بین نرم فزار و سخت افزار، نه کامپیوتر و کاربر. شرکت­های زیر ساخت نقش مهمی در ساخت نرم افزار، شبکه و تجهیزاتی که کاربر از خانه و اداره در سراسر دنیا به آن متصل می شود، دارند.

در40 سال گذشته بخش اصلی سرورها تغییرات زیادی کرده است. شکل 1-1 تغییر شکل سرورها و رابطه­ی آن با تجهیزات IT در طول گذشت زمان را نشان می دهد.