Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari - Информатика и ИТ - Презентации

Информация о документе

Цена	3000UZS
Размер	6.0MB
Покупки	0
Дата загрузки	17 Апрель 2026
Расширение	pptx
Раздел	Презентации
Предмет	Информатика и ИТ

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

Купить

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari TERMIZ IQTISODIYOT VA SERVIS UNIVERSITETI “Iqtisodiyot va axborot texnologiyalari” kafedrasi Fan: “ IQTISODIYOTDA AXBOROT KOMMUNIKATSION TEXNOLOGIYALARI VA TIZIMLARI ”

1. Ma’lumotlar bazalari va ularni yaratish modellari. 2.Ma’lumotlar bazasini boshqarish tizimlarining asosiy vazifalari va xususiyatlari. 3.Katta hajmdagi ma’lumotlarni (Big Data) qayta ishlash REJA:

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari 1. Ma’lumotlar bazalari va ularni yaratish modellari. Ma’lumotlar bazasi - bu ShK xotirasida saqlanadigan va muammo soha holatini aks ettiruvchi, maxsus tartibda tashkil qilingan va o‘zaro bog‘langan ma’lumotlarning majmuidir MB katta h ajmdagi ma’lumotlar bilan ishlash va ularni sa qlash uchun xizmat qiladi . MB turlari: yozuv daftarchasi, lug‘atlar, spravochniklar, ensiklopediyalar. Ma’lumotlar bazasi– ma’lum predmet sohasida tizimlashtirilgan ma’lumotlar modeli

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari  M a ‘ l u m o t l a r b a z a s i – bu ma’lum bir predmet sohasiga oid tizimlashtirilgan (strukturalashtirilgan) ma’lumotlarning nomlangan to‘plamidir.  M a ‘ l u m o t l a r b a z a s i n i b o sh q a r i sh tizimi ma’lumotlar bazasini yaratish, ularni dolzarb holatini ta’minlash va undagi zarur axborotni topish ishlarini tashkil etish uchun mo‘ljallangan dasturlar majmui va til vositasidir. Ma’lumotlar banki – zaruriy axborotni olish maqsadida ma’lumotlarni markazlashgan holda saqlash va jamoa bo‘lib foydalanish uchun mo‘ljallangan axborotli, tematik, dasturiy, tillar, tashkiliy va texnik (saqlanayotgan ma’lumotlar hamda texnologik jarayonda band personalni qo‘shganda) vositalarining tizimi sifatida ifoda

R elyatsion MB -jadval ko‘rinishdagi ma’lumotlar T armoqli MB tegishli axborotlar bir nechta yo‘nalish bo‘yicha olinishi mumkin. I erarxik MB chizmali usul asosida tashkil qilinadi.Ma’lumotlar bazalari modellari

Tarmoqli MB modeli Relatsion MB modeliIerarxik MB modeli

Relyatsion ma’lumotlar bazasi yagona nomga ega bo‘lgan jadvallardan tashkil topadi a. T Familiyasi Tug`ilgan yili Lavozimi Ish staji Korxona kod i a. 1 . Axmеdov 1954 Dirеktor 20 NA a. 2 . Sobirov 1949 muovin 15 NA a. 3 . Jumanazarov 1968 Dirеktor 10 ED N Sattorov 1956 O` q ituvchi 12 FT

1 Bog‘lanish ma’lumotlar bazasining asosiy qismi hisoblanadi. Chunki biz bazada jadvallar bilan ishlaymiz va bu ishlash davomida jadvallarni bir biriga bog‘laymiz. Agar noto‘g‘ri bog‘lasak ma’lumotlar bazamiz xunuk va noto‘g‘ri shaklga kelishi mumkin. Ma’lumotlar bazasining ixchamligi ham aynan shu bog‘lanishga bog‘liq hisoblanadi. Bog‘lanishning 4 ta turi mavjud va bular quyidag i lar hisoblanadi :

Mantiqiy ma’lumotlar bazasini (ma’lumotlarni aniqlash va ular ustida operatsiyalar bajarish); Ma’lumotlarni tiklash (tranzaksi ya ) ; Bir vaqtdagi boshqarish ; Ma’lumotlar konfidensialligini saqlash (ruxsat berilmagan kirishdan); Bajarilgan operatsiyalarini mustaqil optimallashtirish ; Boshqa funksiyalar (administratsiya, statistika, ma’lumotlarni taqsimlash va b.). Zamonaviy MBBT quyidagi vazifalarni bajaradi

MBBT imkoniyatlari  Katta hajmdagi ma’lumotlar bilan ishlash qulayligi  Ma’lumotlarni tezlikda izlash va sortirovka qilish  Ma’lumotlarning turli ko‘rinishlarda berish  Ma’lumotlarga o‘zgartirishlar kiritish, yozuvlarni qo‘shish, o‘chirish, ma’lumotlar bazasining tuzilishini o‘zgartirish  Boshqa Mblar bilan ma’lumot almashinish  Chop qilish  Turli xil hisobot hujjatlarining tayyor shakllarini olish

MB dasturiy tizimlari

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

 MS Access oynasiMa’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

My SQL oynasiMa’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

Fire Bird oynasi

SQL Server oynasi

 Таблицы (Jadval) — MB ning asosiy ob’ekti. Unda ma’lumotlar saqlanadi.  Запросы (So’rov) — bu ob’ekt ma’lumotlarga ishlov berish, jumladan, ularni saralash, ajratish, birlashtirish, o’zgartirish kabi vazifalarni bajarishga muljallangan.  Формы (ko’rinish) —bu ob’ekt ma’lumotlarni tartibli ravishda oson kiritish yoki kiritilganlarni ko’rib chiqish imkonini beradi. Shakl to’zilishi bir qancha matn li maydonlar, tugmalardan iborat bo’lishi mumkin. 2. Ma’lumotlar bazasini boshqarish tizimlarining asosiy vazifalari va xususiyatlari.

 «Отчет» (Hisobot)—bu ob’ekt yordamida saralangan ma’lumotlar qulay va ko’rgazmali ravishda qog’ozga chop etiladi.  «Макросы» (Makros)—makrobuyruqlardan iborat ob’ekt. Murakkab va tez-tez murojaat qilinadigan amallarni bitta makrosga guruhlab, unga ajratilgan tugmacha belgilanadi va ana shu amallarni bajarish o’rniga ushbu tugmacha bosiladi. Bunda amallar bajarish tezligi oshadi.

 «Модули» (Modul)—Microsoft Access dasturining imkoniyatini oshirish maqsadida ichki Visual Basic tilida yozilgan dasturlarni o’z ichiga oluvchi va nostandart operatsiyalarni foydalanuvchi tomonidan bajarilishiga imkon yaratadi.  «Страницы» (Sahifalar) nomli alohida ob’ekt ham mavjud. Bu ob’ekt HTML kodida bajarilgan, Web — sahifada joylashtiriladigan va tarmoq

MS Accessda yangi baza yaratish

MB shablonlaridan foydalanish

 Jadval yaratish — bu ma'lumotlarning o`ziga xos xususiyatlarini e'tiborga olgan holda uning maydonlarini ifodalash. Bu jarayon MB oynasida «Sozdaniе» tugmasini bosish bilan boshlanadi.

Konstruktor yordamida jadval tashkil etish ma'lumot bazasining tuzilishi (strukturasi) juda qulay tarzda yaratiladi. Jadvaldagi har bir ustun ma'lum bir ko`rsatkichni bildiradi va uning tabiatiga xos bo`lgan ma'lumot turini qabul qiladi

“ Конструктор запросов” tanlanib kerakli jadvallar tanlanadi

3. Katta hajmdagi ma’lumotlar (Big Data) qayta ishlash texnologiyalari

2020 yilga kelib, insoniyat 40-44 zettabayt ma'lumotni tashkil qilishi taxmin qilinmoqda. Va 2025 yilga kelib u 10 baravar ko'payadi, deyiladi IDC tahlilchilari tomonidan tayyorlangan The Data Age 2025 hisobotida. Hisobotda qayd etilishicha, ma'lumotlarning aksariyati oddiy iste'molchilar tomonidan emas, balki korxonalar tomonidan ishlab chiqariladi , ma'lumotlar hayotiy muhim narsaga aylanadi va xavfsizlik hal qiluvchi asos bo'ladi. Katta ma'lumotlar bu juda katta miqdordagi ma'lumotlarni tahlil qilish uchun yangi texnologik imkoniyatlarning paydo bo'lishi bilan bog'liq bo'lgan ijtimoiy-iqtisodiy hodisadir.Katta hajmdagi Ma’lumotlar (Big Data) qayta Ishlash texnologiyalari

Xarakteristikasi An’anaviy ma’lumotlar bazasi Big Data Axborot hajmi Gigabaytdan (10 9 bayt)terabaytgacha (10 12 bayt) Petabaytdan (10 15 bayt) eksabaytgacha (10 18 bayt) Saqlash usuli markazlashgan markazlashmagan Ma’lumotning strukturasi Strukturalashgan Yarim strukturalashgan va strukturalashmagan Ma’lumotlarni saqlash va qayta ishlash modeli Vertikal model Gorizantal model Ma’lumotlarning bog’lanishi Kuchli KuchsizAn'anaviy va Big Data ma'lumotlar bazasining qiyosiy jadvali.

Katta ma'lumotlar bu har xil vositalar, yondashuvlar va tarkibiy tuzilmalarni qayta ishlash usullari bo'lib, ularni aniq vazifalar va maqsadlar uchun ishlatish uchun ishlatiladi. Strukturalashmagan ma'lumotlar - bu oldindan belgilangan tuzilishga ega bo'lmagan yoki ma'lum tartibda tashkil qilinmagan ma'lumotlar.

Katta ma'lumotlar - bu nafaqat ma'lumotlarning o'zi, balki ularni qayta ishlash va ishlatish texnologiyalari, kerakli ma'lumotlarni katta massivlarda topish usullaridir. Katta ma'lumot uchun Meta Group tomonidan 2001 yilda ishlab chiqilgan an'anaviy aniqlovchi xususiyatlar "ularni" 3 v »: 1. Ovoz (Volume) - jismoniy hajmning qiymati. 2. Tezlik (Varety) - o'sish sur'ati va natijalarni olish uchun ma'lumotlarni tezkor qayta ishlash zarurati. 3. Turli xillik (Velosyte) - har xil turdagi ma'lumotlarni bir vaqtning o'zida qayta ishlash qobiliyati. Qiymat - ma'lumotlarning qiymati u saqlash va qayta ishlash xarajatlarini oqlaydigan nazariy yoki amaliy jihatdan foydali va zarur bo'lishi kerak. Aniqlik - ma'lumotlar ishonchliligi, foy

Katta ma'lumotlarni yig'ish va qayta ishlashda foydalaniladigan texnologiyalarni 3 guruhga bo'lish mumkin:  Dasturiy ta'minot  Texnik uskunalar  Xizmatlar

DASTURIY TA`MINOT  NoSQL - Bu ma'lumotlar bazasini amalga oshirishga yo'naltirilgan bir qator yondashuvlarni o'z ichiga oladi, ular an'anaviy, bog’langan MBBTlarda foydalaniladigan modellardan farq qiladi. Ular doimo o'zgarib turadigan ma'lumotlar tuzilishi bilan foydalanish uchun qulaydir.  MapReduce -hisob-kitoblarni taqsimlash modeli. U juda katta ma'lumot to'plamlari (petabaytlar * va boshqalar) bo'yicha parallel hisoblashlarda qo'llaniladi. Dastur interfeysida ma'lumotlar qayta ishlash uchun dasturga emas, balki dastur ma'lumotlarga uzatiladi. Shunday qilib, so'rov alohida dasturdir.  Hadoop - bu bir vaqtning o'zida minglab tugunlarda harakatlarni tashkil etadigan tarqatilgan dasturlar bilan ishlash uchun maxsus yaratilgan loy

serverlar infratuzilma uskunalari • ma'lumotlar ombori • platformani tezlashtirish vositalari • uzluksiz quvvat manbalari • server konsollari to'plamlari • va boshqalarTexnologik uskunalar

X iz m a tla rma'lumotlar bazasi arxitekturasini yaratish infratuzilmani tashkil qilish va optimallashtirish ma'lumotlarni saqlashni ta'minlash Xizmatlar

"Katta ma'lumotlar" atamasi 2008 yilda Nature muharriri Clifford Lynch tomonidan dunyo miqyosidagi ma'lumotlar hajmining keskin o'sishiga bag'ishlangan maxsus sonida kiritilgan.

Ko'p hollarda katta ma'lumotlar bilan ishlash qayta ishlanmagan ma'lumotlarni to'plashdan tortib to kerakli ma'lumotlarni olishgacha bo'lgan standart ish oqimini o'z ichiga oladi. Ma’lumotlarni yig’ish . Ishlanmagan ma'lumotlarini yig'ish. Saqlash .Katta ma’lumotlar bilan ishlash uchun har qanday platforma ma'lumotlarni qayta ishlashdan oldin ham, keyin ham saqlash uchun ishonchli, xavfsiz va o'lchovli omborni o'z ichiga olishi kerak. Qayta ishlash va tahlil . Katta ma'lumotlar saralash, yig'ish, birlashtirish yoki maxsus kengaytirilgan funktsiyalar va algoritmlarni qo'llash orqali erishiladi. Vizualizatsiya va foydalanish . Katta ma'lumotlar bilan ishlashning asosiy maqsadi ularning asosida amalda qo'llash uchun qimmat

Katta ma'lumotlar bilan ishlash tamoyillari. 1.Gorizontal masshtablashtirish 2. Bardoshlilik 3. Ma'lumotlarning joylashuvi Katta ma'lumotlar bilan ishlashning barcha zamonaviy vositalari har holda shu uchta tamoyillariga amal qiladi.

Barcha ma’lumotlardan qismlab yoki statik tanlanmadan analiz qilishAniqlikka putur yetkazgan holda betartiblik bilan ishlashga tayyor bo’lish Katta hajmli ma’lumotlar haqida yangicha tushunchalarni shakllantirish

Katta ma’lumotlar manbai Masalan katta ma’lumotlarning oddiy manbai ijtimoiy tarmoqlarni o‘z ichiga olishi mumkin – har bir profil yoki ommaviy sahifa o‘zida go‘yo axborot okeanidagi kichik bir tomchini ifodalaydi. U yoki bu profilda saqlanayotgan ma’lumotlar sonidan qat’i nazar, har bir foydalanuvchining o‘zaro hamkorligi maksimal darajada tez bo‘lishi kerak. Katta ma’lumot amalda inson hayotining deyarli har bir sohasida to‘planadi. Bunga inson faoliyati bilan bog‘liq istalgan tarmoqni kiritsa bo‘ladi. Bu ijtimoiy ommaviy axborot vositalari ham, tibbiyot ham, bank ishi ham, shuningdek, qurilmalar tizimi, har kuni qabul qilinadigan ko‘p sonli axborotlar natijalari ham, masalan, astronomik kuzatuvlar, metrologik ma’lumotlar va Yerni tadqiq qilish qurilmalaridan olingan metrologik ma’lumot

Yer sharining har bir nuqtasida o‘z mijozlariga ega jahonga mashhur kompaniyalar (« Facebook», «Google» va IBM kabi ijtimoiy gigantlar, shuningdek, «Master Card», VISA va «Bank of America» kabi moliyaviy tuzilmalar) ulardan foydalangandan so‘ng «Big Data» texnologiyasini zamonaviy dunyo bozoriga faol tatbiq etish boshlandi. Masalan, IBM pul o‘tkazmalari operatsiyalarida salmoqi ma’lumot uslubidan foydalanadi. Mazkur uslub yordami bilan o‘tkazmalardagi 15 foizdan ortiq qalbaki bitimlar (tovlamachilik) aniqlangan, himoyalangan pul mablag‘lari esa 60 foizga oshgan. Shuningdek, tizimdagi yolg‘on signallar bilan bog‘liq muammolar hal qilindi — ularning soni yarmidan qo‘prog‘iga kamaytirildi.

Real vaqt tartibida turli kuzatuv tizimlaridan olingan axborotlar u yoki bu kompaniya serverlariga taqdim etiladi. Televidenie va radioeshittirish, mobil aloqa operatorlari qo‘ng‘iroqlar bazasi — bular bilan har bir konkret odam minimal darajada o‘zaro muloqot qiladi, ammo ushbu barcha axborotlar umumlashgan holda kata hajmdagi ma’lumotga aylanadi

Ma'lumotlarning bunday ulkan o'sishi Data Science-ni yuzaga keltirdi., bu esa keyinchalik Machine Learning, Sun'iy Intelligent, Deep Learning va boshqalarga tarqaldi. Ushbu texnologiyalarning barchasi korxonalar o'zlarining yig'ilgan ma'lumotlarini anglashlari va undan tushunchalar olishlari uchun mo'ljallangan Digital Analitics Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqarida bo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik hayotimizdagi barcha sohalar, hukumatni boshqarish, tibbiyot, telekommunikatsiya, moliya, transport, ishlab chiqarish va boshqa sohalarni yanada yaxshilash, ularning imkoniyatlarini oshirish, muommolarga muqobil yechimlar izlab topish imkonini yaratadi.

Data lake ( ma'lumotlar ko'li ) - qayta ishlanmagan katta ma'lumotlar ombori. "Ko'l" har xil manbalardan kelgan, har xil formatda bo'lgan ma'lumotlarni saqlaydi. Bu esa odatiy relatsion ma'lumotlar omborida ma'lumotlarni aniq struktura asosida saqlashdan ko'ra arzonroqqa tushadi. Ma'lumotlar ko'li, ma'lumotlarni boshlang'ich holatida analiz qilish imkonini beradi. Bundan tashqari, "ko'l"lardan bir vaqtni o'zida bir nechta ishchilar foydalanishlari mumkin. Data science ( ma'lumotlar haqidagi fan ) - analiz muammolarini , ma'lumotlarni qayta ishlash va ularni raqamli ko'rinishda taqdim etishni o'rganadigan fan. Bu atama dunyoga kelgan vaqt 1974-yil hisoblanadi. O'sha yili Daniyalik informatik, Pet

2010-yillar boshida katta ma'lumotlarni tarqalishi natijasida bu yo'nalish juda foydali va kelajagi bor biznesga aylandi. Data science tushunchasiga ma'lumotlar omborini loyihalash va raqamlangan ma'lumotlarni qayta ishlashning barcha metodlari kiradi. Ko'plab mutaxassislar fikricha, aynan data science big dataning biznes nuqtai nazaridan hozirgi zamonoviy o'rindoshi hisoblanadi. Data mining ( ma'lumotlarni topish ) - biron qonuniyatni topish maqsadida ma'lumotlarni intellektual analiz qilishga aytiladi. Isroillik matematik Grigoriy Pyatetskiy-Shapiro 1989- yilda bu atamani fanga kiritgan. Texnologiyalar, avvalari noma'lum va foydali bo'lgan qayta ishlanmagan(hom) ma'lumotlarni topish jarayoniga data mining(ma'lumotlarni topish) deyiladi. Dat

Machine learning ( mashinali o'qitish ) - o'zi o'rganadigan dasturlar yaratish amaliyoti va nazariyasi, sun'iy intellektning katta qismi. Dasturchilar o'z algoritmlariga xususiy hollarda umumiy qonuniyatlarni aniqlashni o'rgatishadi. Natijada, kompyuter, inson avvaldan ko'rsatib o'tgan buyruqlaridan emas, balki, o'z shaxsiy malakasidan kelib chiqib qaror qabul qiladi. Bunday o'qitishning juda ko'p metodlari data mining'ga oid bo'lishi mumkin. Mashinanli o'qitishga birinchi tarifni 1959-yilda amerikalik informatik Artur Samuel bergan. U sun'iy intellekt elementlariga ega bo'lgan shashka o'yini, dunyoda birinchi o'zi o'rganadigan dasturni yaratgan

Deep learning ( chuqur o'qitish ) - yanada murakkab va yanada mustaqil bo'lgan o'zi o'qidigan dasturlar yaratadigan mashinali o'qitish turi. Oddiy mashinali o'qitish hollarida boshqariladigan malaka yordamida kompyuter bilimlarni aniqlab oladi: dasturchi algoritmga ma'lum misollarni ko'rsatadi, xatolarni qo'lda to'g'rilaydi. Deep learningda esa, tizim o'zi o'z funksiyalarini loyihalaydi, ko'p darajali hisob-kitoblar amalga oshiradi va atrof-muhit haqida xulosalar qiladi. Odatda chuqur o'qitishni neyron tarmoqlarga tadbiq qilishadi. Bu texnologiya asosan rasmlarni qayta ishlashda, nutqni tanishda, neyromashina tarjima, farmatsevtikadagi hisoblashlarda va boshqa zamonaviy texnologiyalarda qo'llaniladi. Asosan Google, facebook va

Business intelligence ( biznes-analitika ) - aniq strukturaga ega bo'lmagan juda katta hajmdagi ma'lumotlarni qayta ishlash natijasida muqobil biznes yechimlar izlashga aytiladi. Effektiv biznes-analitika ichki va tashqi ma'lumotlarni analiz qiladi - ham bozor axborotlarini, ham mijoz-kompaniyaning hisobotlarini hisobga oladi. Bu biznesni butunlay tushunishga yordam beradi, shu bilan birga, strategik va operatsion qarorlar qabul qilishga zamin yaratadi(mahsulot narxini aniqlashda, kompaniya rivojlanishining asosiy yo'nalishlarini belgilab olishda). Bu atama 1958-yilda IBM taqdiqotchisi Xans Piter Lun maqolasida birinchi bo'lib ko'rsatilgan. 1996-yilda axborot texnologiyalari bozorini o'rganishga asoslangan Gartner analitik agentligi business intelligence tarkibi

Data Mining ma‘lumotlarni intellektual tahlil qiluvchi texnologiya hisoblanib, amaliyotda keng qo‘llanilib kelinmoqda.DM odatda ikki xil ma‘noni bildiradi, ya‘ni katta hajmdagi ma‘lumotlar bazasi (MB)dan kerakli ma‘lumotlarni qidirib topish hamdakatta hajmdagi ishlov berilmagan materialni mazmunan tadqiq qilish demakdir. DM ma‘lumotlarni intellektual tahlili, qonuniyatlarini topish muhiti, bilimlarni kengaytirish, shablonlarni tahlil qilish, MBdan bilimlarni axborot tarkibini aniqlash va h.k. kabi ma‘noni anglatadi.

McKinseyning Big data ma’lumotlarni tahlil qilish usullari:

Katta ma ' lumotlarga misollar. Facebook va Google, IBM, Master Card, VISA va Bank of America kabi moliyaviy institutlar kabi ijtimoiy gigantlarni ko’rsatish mumkin. Masalan, Tesla – Kompaniya so'nggi modelida avtopilot yordamida yo'lovchini kerakli joyga olib boradigan avtomobilni yaratishda katta ma'lumot yordamidan foydalaniladi.

Katta ma'lumotlar nafaqat pul ishlashga, balki uni tejashga imkon beradi. Xususan, ushbu texnologiya Germaniya Mehnat vazirligiga ishsizlik bo'yicha nafaqalar narxini 10 milliard evroga kamaytirishga yordam berdi, chunki ma'lumotni o'rganib chiqqach, imtiyozlarning 20 foizi to'lanmaganligi ma'lum bo'ldi.

Sog'liqni saqlashda Big Data . Texnologiyalar tibbiyotda ham qo'llaniladi (bu ayniqsa Isroilda to'g'ri keladi). Big Data-dan foydalanib, o'ttiz yillik tajribaga ega bo'lgan shifokorga qaraganda ancha aniqroq tahlilni amalga oshirish mumkin. Har qanday shifokor, tashxis qo'yilganda, faqat o'z tajribasiga tayanadi. Mashina buni amalga oshirganda, minglab bunday shifokorlar tajribasiga va mavjud bo'lgan barcha tibbiy yozuvlarga asoslanadi. Bemorning uyi qanday materialdan tayyorlanganligi, jabrlanuvchi qaysi hududda yashashi, qanday tutun borligi va hokazolar hisobga olinadi. Ya'ni, shifokorlar hisobga olmaydigan ko'plab omillarni hisobga oladi.

Katta ma'lumotlar davolanish xarajatlarini kamaytiradi, chunki xato tashxis qo'yish imkoniyati kamayadi. Bu epidemiyalarni bashorat qilishda va shu kabi oqibatlarni minimallashtirish uchun qanday profilaktika choralarini ko'rishga yordam beradi. Kasalliklarni dastlabki bosqichlarida aniqlash orqali oldini olishga yordam beradi, bu esa davolashning oson va samarali qiladi. Tibbiy natijalar asosida aniqlanadigan kasalliklar bo’yicha kerakli dori- darmon bilan ta'minlanishi mumkin.

Toronto bolalar kasalxonasi tomonidan amalga oshirilgan Project Artemis loyihasi. Bu real vaqt rejimida chaqaloqlar to'g'risidagi ma'lumotlarni to'playdigan va tahlil qiladigan axborot tizimi. Qurilma har bir soniyada har bir bola uchun 1260 ta sog'liq ko'rsatkichlarini tahlil qilishga imkon beradi. Ushbu loyiha bolaning beqaror holatini oldindan aniqlashga va bolalarda kasalliklarning oldini olishga qaratilgan.

Yandex Rossiyada katta ma'lumotlardan foydalanishni boshladi: masalan, Yandexda katta ma'lumotlar bo'limi mavjud. Kompaniya AstraZeneca va Rossiya Klinik Onkologiya Jamiyati RUSSCO bilan birgalikda genetiklar va molekulyar biologlar uchun mo'ljallangan RAY platformasini ishga tushirdi. Loyiha saraton kasalligini tashxislash usullarini takomillashtirish va saratonga moyilligini aniqlash imkonini beradi. Platforma 2016 yil dekabr oyida ish boshladi.

Katta ma'lumotlarga asoslangan ta'lim sohasidagi o'zgargan ba'zi sohalar: Moslashtirilgan va dinamik ta'lim dasturlari • Shaxsiy talabalarga foyda keltiradigan moslashtirilgan dasturlar va sxemalar har bir talabaning o'quv tarixi asosida to'plangan ma'lumotlar yordamida yaratilishi mumkin. Bu talabalarning umumiy natijalarini yaxshilaydi. Qayta ishlash kursi materiallari • Talaba nimani o'rganishi asosida va kurs tarkibiy qismlarini real vaqt rejimida kuzatish orqali qay darajada to'plangan ma'lumotlarga muvofiq o'quv materialini qayta tuzish talabalar uchun foydalidir Kasbni bashorat qilish • Har bir talabaning yozuvlarini tegishli ravishda tahlil qilish

Big Data in Banking Sector

Davlat sektoridagi katta ma'lumotlar. Hukumat tizimida kata ma’lumotlar Turli siyosiy dasturlarga nisbatan tezroq va xabardor qarorlar qabul qilishda Darhol e'tiborga muhtoj bo'lgan joylarni aniqlash qishloq xo'jaligi sohasida dolzarb bo'lgan barcha yerlar va chorva mollarini hisobga olish. Ishsizlik, terrorizm, energiya manbalarini qidirish va boshqa ko'plab milliy muammolarni bartaraf qilishda. Kiber xavfsizlikda Big Data firibgarlikning oldini olishda Bundan tashqari, soliq to'lashdan bo'yin tovlaganlarni ushlashda ham foydalaniladi.

1. Aviareyslar to’g’risida 2. Universtitut professor-o’qituvchilari to’g’risida 3. Qurilish tashkiloti xarajatlari 4. Asaka zavodida avtomobillar ishlab chiqarish 5. Respublikamizning aholisi 6. Operatsion tizimlar to’g’risida 7. Mehnat birjasi to’g’risida 8. fermer xo’jaliklari to’g’risida 9. Mashina parklari 10. Dorixona Mustaqil ish

E’TIBORINGIZ UCHUN RAHMAT

Купить

Похожие документы
Operatsion tizimlarda journaling file system
I/O scheduling algoritmlari
O‘rta Osiyo kutubxonalarining o‘rganilish masalalari
Funksiyalar va arrow function
Tashkilot xodimlari ma’lumotlarini jamlovchi tizim