TGViewer
Channel Public Channel
مهندسی و علم داده

مهندسی و علم داده

@bimining

در مورد ادمین کانال :
- محمد عالیشاهی
- دکترای هوش مصنوعی دانشگاه تهران
- مدیر ارشد پروژه های هوش مصنوعی و علم داده
-دبیر شورای حکمرانی داده انجمن هوش مصنوعی ایران
Open in Telegram
Subscribers
3.98K
Photos
393
Videos
174
Links
113

Showing posts older than #505 · Back to latest

Older Posts 20 shown
Post #504 2.58K
معماری ترکیبی ODI12C و Ogg جهت ETLوELT بصورت real-time و با اکوسیستم های Big Data
Post #503 2.44K
معماری ابزار قدرتمند ODI12 c جهت ذخیره سازی انواع دیتا و با فریم ورک های مختلف Big Data
Post #500 95

Forwarded from SSRS&PowerBI Guide

فايله فوق مقايسه Power BI با SSRS و DataZen مي باشد
Post #495 975

Forwarded from ***S@££D***

1- بانک اطلاعاتی OLTP برای ثبت سریع و بی درنگ تراکنش های یک سیستم استفاده می شود. درصورتی که از انباره های داده OLAPبرای آنالیز برخط و تصمیم گیری های کلان درسطح BI استفاده می شود.
2- روابط بین جداول ونرمالیتی در بانک های اطلاعاتی پیچیده و موجودیت ها کاملاً مشخص می باشند در حالی که انباره های داده روابط پیچیده ای نداردند و برای بالابردن سرعت تقریباً نرمال سازی نمی شوند.
3- بانک اطلاعاتی موجودیت محور می باشد یعنی در طراحی آن موجودیت ها نقش اصلی را بازی می کنند در حالی که در انباره داده این مدل های داده ای هستند که نقش اصلی رو در طراحی بازی می کنند.
4- بانک های اطلاعاتی جهت درج داده طراحی می شوند در حالی که انباره های داده بیشترین تمرکز را در سرعت در خواندن داده دارند.
5-سرعت بانک اطلاعاتی در گزارش هایی جهت آنالیز اطلاعات بسیار پایین است اما سرعت آنالیزها در انباره داده بیشتر می باشد.
و در نهایت یک انباره داده معمولاً یک بانک اطلاعاتی است و همچنین ممکن است یک انباره داده از چند بانک اطلاعاتی داده دریافت کند.
Post #494 990

Forwarded from ***S@££D***

OLAP و OLTP
با توجه به تکنولوژی های مرتبط در خصوص طراحی و پیاده سازی پایگاه داده ها برای استفاده از سرویس های تحلیلی می توان این پایگاه داده را به دو دسته کلی تقسیم کرد:
OLAP: همان طور که از نام این گروه مشخص است این پایگاه داده ها برای تحلیل و بررسی مورد استفاده قرار می گیرند که طبیعتا طراحی و ساختار آن با پایگاه داده های معمولی متفاوت خواهد بود. مثلا در طراحی این پایگاه داده ها از ایندکس های بیشتری استفاده می شود که سرعت واکشی و دسترسی به اطلاعات افزایش می یابد اما در عین حال سرعت درج و بر روز رسانی کاهش یافته که این مسئله باعث می شود همین کار در پایگاه داده های OLTP مناسب نباشد. معمولا این پایگاه داده را با کلمه DW خاتمه می یابند. DW مخفف عبارت Data warehouse می باشد که بیانگر پایگاه داده هایی است که برای تحلیل طراحی شده اند .
OLTP: این پایگاه داده ها، همان پایگاه داده های اصلی هستند که طبیعتا هر مهندس DBA آن را برای بایگانی و جمع آوری اطلاعات ایجاد می کند. در مبحث BI شما می بایست ابتدا پایگاه داده خود را به صورت ساختار یافته طراحی کنید و سپس برای مباحث DM نسخه جدیدی از آن طراحی کنید البته معمولا در صورتی که پایگاه داده شما به درستی طراحی شده باشد تغییرات زیادی لازم نیست.
مفاهیم مربوط به طراحی OLAP
مهمترین مفهومی که در طراحی سرویس های تحلیلی وجود دارد، مکعب است. مکعب، نمایشی چند بعدی از مقدار کمی مورد تحلیل است. اگر بخواهیم خیلی صریح توضیحی ارائه دهیم، این مثال را در نظر بگیرید که شما می خواهید بدانید هر کالا با چه تعدادی و در چه زمان هایی و توسط چه مشتریانی خریداری شده است. خوب هر کدام از پارامتر ها را یک مقیاس در نظر بگیرید (طول، عرض و ارتفاع) اما نکته قابل توجه این مسئله است که در این مفاهیم می تواند بعد های بیشتری داشت، در این مثال پارامترهای دیگری چون فروشند گان، نوع فروش، سیستم کالا بر، و... پارامترهای دیگری را می توان دخیل کرد اما چون می خواهیم مثال ما ساده باشد همان سه بعد را در نظر می گیریم.
مفهوم بعدی که باید مطرح کنم و همان طور که در تصویر مشخص است، مفهوم Cell است، طبیعتا هر خانه یک موجودیت مستقل نسبت به سایر خانه های مکعب است و هر خانه دارای بعد هایی است که قبلا ذکر کردیم می باشد.
در هر مکعب اندازه هایی وجود دارد که توسط آن می توان در مورد هر سلول تصمیم گرفت و میزان آن را با بقیه سلول ها مقایسه کرد، در مثال ما اندازه ها مانند تعداد فروش، و... است
مفهوم بعدی، بعُد است. درمثال ما طبق توضیحات ارائه گردیده، زمان، تعداد،مشتری ابعاد ما هستند. بعُد در واقع چیزی است که یک اندازه را دسته بندی می کند.
مفهوم آخر، سلسله مراتب است. در کل دو نوع سلسله مراتب داریم متقارن و نامتقارن؛ در سلسله مراتب متقارن فاصله همه ی برگ ها تا ریشه برابر است اما در نامتقارن متفاوت خواهد بود.

🍀🍀🍀🍀🍀
Post #493 913

Forwarded from ***S@££D***

یک فایل کامل راجع به انباره داده 👆👆👆👆
Post #491 1.48K

Forwarded from Deleted Account

✅ پارت 21 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #490 1.32K

Forwarded from Deleted Account

✅ پارت 20 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #489 1.19K

Forwarded from Deleted Account

✅ پارت 19 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #488 1.14K

Forwarded from Deleted Account

✅ پارت 18 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #487 1.11K

Forwarded from Deleted Account

✅ پارت 17 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #486 1.08K

Forwarded from Deleted Account

✅ پارت 16 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Post #485 1.16K

Forwarded from Deleted Account

✅ پارت 15 (جلسه اول)

کلاس QlikView

ویدیوها با اجازه استاد پیروز در گروه گذاشته شد
goo.gl/SRQebe
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →