Forwarded from Big Data & Fraud
#آموزشی
#بیگدیتا
#بیگ_دیتا_چیست_و_چرا_اهمیت_دارد؟ ⭐️قسمت اول⭐️
بیگ دیتا اصطلاحی رایج است که رشد و در دسترس بودن داده، چه ساختارمند و چه غیرساختارمند، را توصیف می کند. بیگ دیتا ممکن است به اندازه اینترنت برای کسب وکار – و جامعه – مهم باشد. چرا؟ داده های بیشتر به تحلیل های دقیق تر می انجامد. تحلیل های دقیق تر منجر به تصمیم گیر یهای مطمئن بیشتری شده و تصمیمات بهتر، می تواند معنای کارایی بیشتر عملیات، کاهش هزینه ها و کاهش ریسک ها باشد.
@BigDataMaster
#بیگدیتا
#بیگ_دیتا_چیست_و_چرا_اهمیت_دارد؟ ⭐️قسمت اول⭐️
بیگ دیتا اصطلاحی رایج است که رشد و در دسترس بودن داده، چه ساختارمند و چه غیرساختارمند، را توصیف می کند. بیگ دیتا ممکن است به اندازه اینترنت برای کسب وکار – و جامعه – مهم باشد. چرا؟ داده های بیشتر به تحلیل های دقیق تر می انجامد. تحلیل های دقیق تر منجر به تصمیم گیر یهای مطمئن بیشتری شده و تصمیمات بهتر، می تواند معنای کارایی بیشتر عملیات، کاهش هزینه ها و کاهش ریسک ها باشد.
@BigDataMaster
Forwarded from Big Data & Fraud
#آموزشی
#بیگدیتا
#بیگ_دیتا_چیست_و_چرا_اهمیت_دارد؟ ⭐️قسمت دوم⭐️
تعریف بیگ دیتا :
@BigDataMaster
در سال 2001، تحلیلگر صنعت، داگ لنی (که اکنون با گارتنر کار می کند)، بیگ دیتا را به صورت سه V تعریف کرد: حجم (Volume)، سرعت (Velocity) و تنوع (Variety).
حجم: فاکتورهای بسیاری به افزایش حجم داده ها کمک می کند. داده های بر پایه تراکنش ذخیره شده در طی سالیان، داده های غیرساختارمند سرازیر شده از رسانه های اجتماعی؛ مقدار در حال افزایش داده های ماشین-به-ماشین و سنسور جمع آوری شده. در گذشته، حجم انبوه داده یک مسئله ذخیره کردن بود. اما با کاهش هزینه های ذخیره، مسائل دیگری سر بر می آورند؛ شامل چگونگی تعیین ارتباط در حجم زیاد داده ها و چگونگی استفاده از علم تجزیه و تحلیل به منظور ایجاد ارزش از داده های مرتبط.
@BigDataMaster
سرعت: داده ها با سرعتی بی سابقه وارد شده و باید در زمان مناسب به سراغ آنها رفت. تگ های RFID، سنسورها و اندازه گیری هوشمند، نیاز به سر و کله زدن با جریانات داده را در اولین زمان نزدیک به اکنون را ایجاد می کنند. واکنش سریع به کار با سرعت داده ها، چالشی برای بیشتر سازمان هاست.
@BigDataMaster
تنوع: داده ها به شکل های گوناگونی وارد می شوند. داده های عددی ساختاریافته در پایگاه های داده سنتی؛ اطلاعات ایجاد شده از برنامه های کاربردی کسب وکار؛ اسناد متنی غیرساختاریافته، ایمیل، صدا و تراکنش های مالی. مدیریت، ادغام و حاکمیت بر انواع گوناگون داده، چیزی است که بسیاری از سازمان ها هنوز با آن درگیرند.
#بیگدیتا
#بیگ_دیتا_چیست_و_چرا_اهمیت_دارد؟ ⭐️قسمت دوم⭐️
تعریف بیگ دیتا :
@BigDataMaster
در سال 2001، تحلیلگر صنعت، داگ لنی (که اکنون با گارتنر کار می کند)، بیگ دیتا را به صورت سه V تعریف کرد: حجم (Volume)، سرعت (Velocity) و تنوع (Variety).
حجم: فاکتورهای بسیاری به افزایش حجم داده ها کمک می کند. داده های بر پایه تراکنش ذخیره شده در طی سالیان، داده های غیرساختارمند سرازیر شده از رسانه های اجتماعی؛ مقدار در حال افزایش داده های ماشین-به-ماشین و سنسور جمع آوری شده. در گذشته، حجم انبوه داده یک مسئله ذخیره کردن بود. اما با کاهش هزینه های ذخیره، مسائل دیگری سر بر می آورند؛ شامل چگونگی تعیین ارتباط در حجم زیاد داده ها و چگونگی استفاده از علم تجزیه و تحلیل به منظور ایجاد ارزش از داده های مرتبط.
@BigDataMaster
سرعت: داده ها با سرعتی بی سابقه وارد شده و باید در زمان مناسب به سراغ آنها رفت. تگ های RFID، سنسورها و اندازه گیری هوشمند، نیاز به سر و کله زدن با جریانات داده را در اولین زمان نزدیک به اکنون را ایجاد می کنند. واکنش سریع به کار با سرعت داده ها، چالشی برای بیشتر سازمان هاست.
@BigDataMaster
تنوع: داده ها به شکل های گوناگونی وارد می شوند. داده های عددی ساختاریافته در پایگاه های داده سنتی؛ اطلاعات ایجاد شده از برنامه های کاربردی کسب وکار؛ اسناد متنی غیرساختاریافته، ایمیل، صدا و تراکنش های مالی. مدیریت، ادغام و حاکمیت بر انواع گوناگون داده، چیزی است که بسیاری از سازمان ها هنوز با آن درگیرند.
Forwarded from Big Data & Fraud
#آموزشی
#بیگدیتا
بیگ دیتا چیست و چرا اهمیت دارد؟ ⭐️قسمت سوم⭐️
چرا بیگ دیتا باید برای شما مهم باشد؟
@BigDataMaster
مسئله واقعی این نیست که مقدار زیادی داده به دست آورید؛ این است که با آن چه می کنید. دیدگاه امیدوارانه این است که سازمان ها قادر به تحصیل داده از هر منبعی بوده، داده های مرتبط را تهیه کرده و آن را تحلیل کنند تا پاسخ سؤالاتی را بیابند که
1️⃣کاهش هزینه ها، 2️⃣ کاهش زمان، 3️⃣ توسعه محصولات جدید و پیشنهادات جدید، و 4️⃣ تصمیم گیری هوشمندانه تر کسب وکار را مقدور می سازند. برای مثال، با ترکیب بیگ دیتا و تحلیل های قوی، این امکان وجود دارد تا:
@BigDataMaster
⭕️ علت های اصلی شکست ها، مسائل و نقوص را در لحظه تعیین کرد تا سالانه تا میلیاردها دلار صرفه جویی کرد.
⭕️ مسیر وسیله های حمل بسته های تحویلی را زمانی که هنوز در جاده هستند، بهینه کرد.
⭕️ در چند دقیقه تمام سبد ریسک را دوباره حساب کرد.
⭕️ سریعاً مشتریانی که بیشترین اهمیت را دارند، شناسایی کرد.
@BigDataMaster
#بیگدیتا
بیگ دیتا چیست و چرا اهمیت دارد؟ ⭐️قسمت سوم⭐️
چرا بیگ دیتا باید برای شما مهم باشد؟
@BigDataMaster
مسئله واقعی این نیست که مقدار زیادی داده به دست آورید؛ این است که با آن چه می کنید. دیدگاه امیدوارانه این است که سازمان ها قادر به تحصیل داده از هر منبعی بوده، داده های مرتبط را تهیه کرده و آن را تحلیل کنند تا پاسخ سؤالاتی را بیابند که
1️⃣کاهش هزینه ها، 2️⃣ کاهش زمان، 3️⃣ توسعه محصولات جدید و پیشنهادات جدید، و 4️⃣ تصمیم گیری هوشمندانه تر کسب وکار را مقدور می سازند. برای مثال، با ترکیب بیگ دیتا و تحلیل های قوی، این امکان وجود دارد تا:
@BigDataMaster
⭕️ علت های اصلی شکست ها، مسائل و نقوص را در لحظه تعیین کرد تا سالانه تا میلیاردها دلار صرفه جویی کرد.
⭕️ مسیر وسیله های حمل بسته های تحویلی را زمانی که هنوز در جاده هستند، بهینه کرد.
⭕️ در چند دقیقه تمام سبد ریسک را دوباره حساب کرد.
⭕️ سریعاً مشتریانی که بیشترین اهمیت را دارند، شناسایی کرد.
@BigDataMaster
Forwarded from Big Data & Fraud
#آموزشی
#بیگدیتا
بیگ دیتا چیست و چرا اهمیت دارد؟ ⭐️قسمت چهارم و پایان⭐️
ادامه : چرا بیگ دیتا باید برای شما مهم باشد؟
@BigDataMaster
بیگ دیتا واژه ای است برای مجموع های از ست داده های بسیار بزرگ و پیچیده، که استفاده از ابزارهای مدیریت پایگاه داده در دست و یا برنامه های کاربردی سنتی پردازش داده، برای پردازش آنها دشوار خواهد بود. چالش ها شامل استخراج، Curation، ذخیره سازی، جستجو، اشتراک، انتقال، آنالیز و بصری سازی است. در سال 2012، محدودیت اندازه ست داده ها، با زمان پردازش معقول، بر اگزابایت، میلیون ترابایت، قرار داشت.
@BigDataMaster
کار با بیگ دیتا با استفاده از سیستم های مدیریت دیتابیس های رابطه ای و بسته های بصری سازی و تحلیل های دسکتاپ، دشوار بوده و نیازمند نرم افزار بسیار موازی در حال کار بر روی ده ها، صدها و یا حتی هزاران سرور هستند. آنچه که بیگ دیتا شناخته می شود، بنا بر قابلیت های سازمان مدیریت کننده آن، و قابلیت های برنامه های کاربردی که به طور سنتی در آن زمینه داده پردازش و تحلیل می کنند، متفاوت است. برای برخی سازمان ها، رویارویی با صدها گیگابایت داده برای اولین بار ممکن است نیاز به بازبینی آپشن های مدیریت داده را ایجاد کند. برای برخی دیگر، ممکن است تا ده ها و صدها ترابایت طول بکشد که سایز داده به موضوعی قابل توجه تبدیل شود.
@BigDataMaster
#بیگدیتا
بیگ دیتا چیست و چرا اهمیت دارد؟ ⭐️قسمت چهارم و پایان⭐️
ادامه : چرا بیگ دیتا باید برای شما مهم باشد؟
@BigDataMaster
بیگ دیتا واژه ای است برای مجموع های از ست داده های بسیار بزرگ و پیچیده، که استفاده از ابزارهای مدیریت پایگاه داده در دست و یا برنامه های کاربردی سنتی پردازش داده، برای پردازش آنها دشوار خواهد بود. چالش ها شامل استخراج، Curation، ذخیره سازی، جستجو، اشتراک، انتقال، آنالیز و بصری سازی است. در سال 2012، محدودیت اندازه ست داده ها، با زمان پردازش معقول، بر اگزابایت، میلیون ترابایت، قرار داشت.
@BigDataMaster
کار با بیگ دیتا با استفاده از سیستم های مدیریت دیتابیس های رابطه ای و بسته های بصری سازی و تحلیل های دسکتاپ، دشوار بوده و نیازمند نرم افزار بسیار موازی در حال کار بر روی ده ها، صدها و یا حتی هزاران سرور هستند. آنچه که بیگ دیتا شناخته می شود، بنا بر قابلیت های سازمان مدیریت کننده آن، و قابلیت های برنامه های کاربردی که به طور سنتی در آن زمینه داده پردازش و تحلیل می کنند، متفاوت است. برای برخی سازمان ها، رویارویی با صدها گیگابایت داده برای اولین بار ممکن است نیاز به بازبینی آپشن های مدیریت داده را ایجاد کند. برای برخی دیگر، ممکن است تا ده ها و صدها ترابایت طول بکشد که سایز داده به موضوعی قابل توجه تبدیل شود.
@BigDataMaster
Forwarded from رضا بابایی کیا
new_features2.pdf
441.8 KB
امکانات و افزونه های جدید Oracle 12C Release2
برنامه نویسی اندروید با پایتون.pdf
5.9 MB
برنامه نویسی اندروید با پایتون @BIMining
Forwarded from مهندسی و علم داده
نمودار مقایسه محبوبترین زبانهای برنامه نویسی تا مارس 2017 @BIMining
Forwarded from Deleted Account
What is Hyperion?
Hyperion is a database that allows you to access the data very quickly. The company was bought by Oracle in 2007 and Oracle has continued to improve the product.The Fancy name of Hyperion is Business Intelligence and it aims to support better business decision-making.
Thus a BI system can be called a decision support system (DSS). Though the term business intelligence is sometimes used as a synonym for competitive intelligence, because they both support decision making, BI Uses technologies, processes, and application to analyze mostly internal, structured data and business processes while competitive intelligence gathers, analyzes and disseminates information with a topical focus on company competitors.
Hyperion is a database that allows you to access the data very quickly. The company was bought by Oracle in 2007 and Oracle has continued to improve the product.The Fancy name of Hyperion is Business Intelligence and it aims to support better business decision-making.
Thus a BI system can be called a decision support system (DSS). Though the term business intelligence is sometimes used as a synonym for competitive intelligence, because they both support decision making, BI Uses technologies, processes, and application to analyze mostly internal, structured data and business processes while competitive intelligence gathers, analyzes and disseminates information with a topical focus on company competitors.
Forwarded from Deleted Account
What are the features of NoSQL?
When compared to relational databases, NoSQL databases are more scalable and provide superior performance, and their data model addresses several issues that the relational model is not designed to address:
Large volumes of structured, semi-structured, and unstructured data
Agile sprints, quick iteration, and frequent code pushes
Object-oriented programming that is easy to use and flexible
Efficient, scale-out architecture instead of expensive, monolithic architecture
When compared to relational databases, NoSQL databases are more scalable and provide superior performance, and their data model addresses several issues that the relational model is not designed to address:
Large volumes of structured, semi-structured, and unstructured data
Agile sprints, quick iteration, and frequent code pushes
Object-oriented programming that is easy to use and flexible
Efficient, scale-out architecture instead of expensive, monolithic architecture