Мәліметтерді алу

Презентация қосу

Жедел медициналық көмек және мейіргер ісі кафедрасы

Тақырыбы: Мәліметтерді интеллектуалды талдау (Data Mining).

Орындаған: Талбудинова А
Тобы:В-МІҚқБ-01-22(10 ай)
Қабылдаған: м. ғ. магистрі Л. Ж. Жақанша
Жоспар
• Кіріспе
• Негізгі бөлім
• Мәліметтерді алу
• Data Mining
• Data Mining анықтамасы
• Data Mining ақпараттық технологиялар нарығының бөлігі ретінде
• Analysis Services
• Мәліметтерді талдау тексеру процесі
• Қорытынды
• Пайдаланылған әдебиеттер
Кіріспе
• Мәліметтер (данные; data) - автоматты құралдардың көмегімен, кей
жағдайда адамның қатысуымен, өңдеуге ыңғайлы түрде берілген
мағлұмат.
• Мәліметтердің кірістік, шығыстық, басқару, проблемалық, сандық,
мәтіндік, графикалық және т.б. түрлерін атап өтуге болады.
Негізгі бөлім
• Даму тарихы
• 1960 – АКТ файлдарды өңдейтін қарапайым жүйелерден күрделі мәліметтер қорын
басқару жүйелеріне
• 1970 – МҚ саласындағы зерттеулер ерте заманғы иерархиялық және желілік
мәліметтер қорларынан күрделі реляциялық МҚБЖ-не және мәліметтерді
моделдеуге ауысты. SQL тілі дамыды.
• 1980 - аса қуатты жаңа МҚБЖ-лері пайда болды. Мәліметтердің объектілі-
бағытталған, объектілі-реляциялық және дедуктивті түрлері дамыды.
Транзакцияларды онлайн өңдеу әдістері (on-line transaction processing – OLTP)
реляциялық технологиялардың дамуына ықпал етті.
• 1990 – Интернет желілерінің дамуы таратылған мәліметтер қорлары дамып,
таратылған аумақтық ақпараттық жүйелердің құрылуына әсер етті. Сонымен қатар,
мәлімет көлемінің күрт өсуі мәліметтер қоймалары (Data Warehouse)
технологиясының пайда болуына әкелді. Оның негізінде мәліметтерді алдын ала
өңдеу мен аналитикалық онлайн өңдеу (On-Line Analytical Processing, OLAP)
жатыр.
• 2000 - көпөлшемді мәлімет көлемінің ұғаюы мен ақпарат пен білімнің тапшылығы
мәліметтерді зияткерлік талдау (Data Mining) саласының дамуына ықпал етті.
Data Mining мәліметтерден қажетті білімді алу әдістерін іздеп, құруға негізделген,
олардың көмегімен маңызды нақты басқару шешімдерін қабылдауға болады.
Мәліметтерді алу
• Ақпаратты өңдеудің компьютерлік әдістері мен алгоритмдерінің қатынасы
арнайы білім қорлары мен қоймаларынан мәліметтерді таңдап алу үшін
мәліметтерді талдау процедуралары қолданылады. Іздеу
процедураларынан қарағанда «мәліметтерді алу» термині мәліметтерді
бағалау мен күрделі салыстыру алгоритмдерімен сипатталады.
Data Mining
• Data Mining - қолданбалы статистика, бейнелерді
тану, жасанды интеллект, мәліметтер қоры
теориясы сияқты ғылымдардың негізінде пайда
болған және дамып келе жатқан пәнаралық сала.
• Data Mining термині екі ұғымнан өз атауын алды:
үлкен дерекқордағы құнды деректерді іздеу
(деректер) және тау-кен өндірісі.
Data Mining анықтамасы
• Бағыт негізін салушылардың бірі Григорий Пятецкий-Шапиро
берген анықтама классикалық болып саналады:
• Data Mining - бұрын белгілі болмаған, жасырын білімнің шикі
деректерінде «машинамен» (алгоритмдер, жасанды интеллект)
зерттеу және табу, тривиалды емес, іс жүзінде пайдалы, түсіндіру
үшін қол жетімді.
Data Warehouse
• Деректер қоймасы - бұл шешімді қабылдау процесі үшін пәндік
аймаққа бағытталған, интеграцияланған, сенімді деректердің
жиынтығы. Шешімді қабылдау үшін қолайлы дәйекті тарихи
деректердің репозиторийін оңай алуға болады.
Data Mining ақпараттық технологиялар
нарығының бөлігі ретінде
• Gartner Group, IT-нарықты талдау агенттігі, 1980-ші жылдарда «Business Intelligence» (BI) терминін, бизнес-
сарапшылық немесе бизнес-сараптаманы қолданды. Бұл термин шешім қабылдауға қолдау көрсету жүйесін қолдану
арқылы іскерлік шешімдерді жақсартатын түрлі ұғымдар мен әдістерді сипаттау үшін ұсынылады.
• 1996 жылы агенттік терминнің анықтамасын нақтылады.
• Business Intelligence - кәсіпорында жұмыс жасайтын және мәліметтер қоймасында орналасқан ақпаратқа қол
жеткізу және талдау, сонымен қатар дұрыс және негізделген басқару шешімдерін қабылдауды қамтамасыз ететін
бағдарламалық жасақтама.
• BI тұжырымдамасы әртүрлі деректерді талдау мен өңдеудің әртүрлі құралдары мен технологияларын біріктіреді.
• Осы құралдардың негізінде басқару шешімдерін қабылдау үшін ақпараттың сапасын жақсартуға бағытталған BI-
жүйелер құрылады.
• BI жүйелері сонымен қатар шешімдерді қолдау жүйелері (DSS, DSS, шешімдерді қолдау жүйесі) деп аталады. Бұл
жүйелер деректерді ақпаратқа айналдырады, соның негізінде шешім қабылдауға болады, яғни. шешімді қолдау.
• Gartner Group келесі сыныптардың бағдарламалық өнімдерінің жиынтығы ретінде Business Intelligence жүйелерінің
нарығының құрамын анықтайды:
• • деректер қоймаларын құру құралдары (мәліметтерді сақтау, CD);
• Онлайн режимінде аналитикалық өңдеу жүйелері (OLAP);
• • ақпараттық-аналитикалық жүйелер (Enterprise Information Systems, EIS);
• • деректерді іздеу құралдары;
• • сұрау және есеп беру құралдары (сұрау және есеп беру құралдары).
Analysis Services
• Analysis Services - бұл шешім қабылдауда және бизнес талдауда қолданылатын аналитикалық
мәліметтер жүйесі (Vertipaq). Ол Power BI, Excel, Reporting Services есептері және басқа да
деректерді бейнелеу құралдары сияқты бизнес-есептер мен клиенттердің қосымшалары үшін
кәсіпорын деңгейіндегі семантикалық деректер модельдерін ұсынады. Талдау қызметтері әр
түрлі платформаларда қол жетімді:
• SQL Server Analysis Services - жергілікті сервер данасы ретінде орнатылған, SQL Server
Analysis Services барлық үйлесімділік деңгейлеріндегі кестелік модельдерге (нұсқасына
байланысты), көп өлшемді модельдерге, деректерді шығаруға және SharePoint үшін Power Pivot-
қа қолдау көрсетеді.
• Azure талдау қызметтері - Azure ресурсы ретінде жасалған, Azure Analysis Services серверлік
ресурстары үйлесімділік деңгейінде 1200 және одан жоғары деңгейдегі кестелік модельдерді
қолдайды. DirectQuery, бөлімдер, жол қауіпсіздігі, екіжақты қатынастар және аудармалар
барлығына қолдау көрсетіледі. Қосымша ақпарат алу үшін Azure талдау қызметтері дегеніміз
не .
• Power BI Premium (алдын-ала қарау) - Vertipaq талдау қызметі қозғалтқышы
бағдарламалауды, клиенттік қосымшаны және ашық стандартты XMLA протоколына қолдау
көрсететін API интерфейстері арқылы клиенттердің кітапханалары мен API арқылы Power BI
Premium деректер жиынтығын қамтамасыз етеді. Қазіргі уақытта Power BI Premium деректер
жиынтығы XMLA соңғы нүктелері арқылы Microsoft және үшінші тарап клиенттерінің
қосымшалары мен құралдарының қосылуын және оқуға арналған әрекеттерін қолдайды .
Мәліметтерді талдау тексеру процесі
• Мәліметтерді талдау тексеру процесі болып
табылады, тазарту, түрлендіру және модельдеу деректер пайдалы
ақпаратты табу, қорытындыларды хабарлау және шешім
қабылдауды қолдау мақсатында. Мәліметтерді талдау бірнеше
атаулар бойынша әр түрлі техниканы қамтитын бірнеше қырлар
мен тәсілдерге ие және әртүрлі бизнес, ғылым және әлеуметтік
ғылым салаларында қолданылады. Қазіргі іскерлік әлемде
деректерді талдау шешімдерді ғылыми қабылдауда және
бизнестің тиімді жұмысына көмектесуде маңызды рөл атқарады.
• Деректерді өндіру бұл статистикалық модельдеуге және таза
сипаттамалық емес, болжау үшін білімді ашуға бағытталған деректерді
талдаудың ерекше әдісі. іскерлік интеллект негізінен іскери
ақпараттарға назар аудара отырып, біріктіруге негізделген деректерді
талдауды қамтиды. Статистикалық қосымшаларда деректерді
талдауды екіге бөлуге болады сипаттайтын статистика, деректерді
іздестіру (EDA) және растайтын деректерді талдау (CDA). EDA
деректердің жаңа мүмкіндіктерін ашуға, ал CDA барды растауға
немесе бұрмалауға бағытталған. Болжамды аналитика болжамды
болжау немесе жіктеу үшін статистикалық модельдерді қолдануға
бағытталған, ал мәтіндік талдау мәтіндік дереккөздерден ақпарат алу
және жіктеу үшін статистикалық, лингвистикалық және құрылымдық
әдістерді қолданады құрылымданбаған мәліметтер. Жоғарыда
айтылғандардың барлығы деректерді талдаудың сорттары болып
табылады.
• Деректерді интеллектуалды талдаудың жақсы жоспары егжей-тегжейлі
және бизнес мақсаттарға, Data Mining талдаудың мақсаттарына қол
жеткізу үшін әзірленуі тиіс.
• Data understanding – деректерді түсіну. Бұл кезеңде деректерді
интеллектуалды талдау мақсаттарына сәйкестігін тексеру үшін
деректердің жұмысқа қабілеттілігін тексеру жүргізіледі.
• Біріншіден, деректер ұйымда қол жетімді бірнеше деректер көздерінен
жиналады. Бұл деректер көздері бірнеше деректер базасын, жалпақ
файл немесе деректер текшесін қамтуы мүмкін. Деректерді
интеграциялау процесінде туындауы мүмкін объектілерді салыстыру
және схемаларды интеграциялау секілді мәселелер бар. Бұл өте
күрделі процесс, себебі әр түрлі көздерден алынған деректерді
сәйкестендіру оңай емес. Мысалы, А кестесі cust_no атты мәннен
тұрады, ал басқа B кестесі cust-id атты мәннен тұрады.
• Сондықтан осы екі объектінің бірдей мағынаға жататынына немесе
болмайтынына кепілдік беру өте қиын. Мұнда метадеректер деректерді
интеграциялау процесінде қателерді азайту мақсатында қолдану тиіс.
• Одан әрі алынған деректердің қасиеттерін іздеген жөн. Мәліметтерді
зерделеудің жақсы тәсілі – сұрау, есептілік және визуализация
құралдарының көмегімен Data Mining мәселелеріне жауап беру.
• Сұраныс нәтижелерінің негізінде деректердің сапасы белгіленуі тиіс.
Жетіспейтін деректер бар болса алынуы тиіс.
• Data preparation – деректерді дайындау. Бұл кезеңде деректер өндіріске
дайындалады.Деректерді дайындау процесі жоба уақытының шамамен
90% алады. Әртүрлі көздерден алынған деректер іріктелуі, тазартылуы,
түрлендірілуі, пішімделуі, иесіздендірілуі және құрастырылуы тиіс
(егер бұл қажет болса).
• Деректерді тазалау – бұл шуды тегістеу және жіберілген мәндерді толтыру арқылы «деректерді тазалау» процесі.

• Мысалы, клиенттің демографиялық профилі үшін жас туралы деректер жоқ. Бұл деректер толық емес және толтырылуы тиіс. Кейбір жағдайларда
қате деректер шығарылуы мүмкін. Мысалы, адаамның жасы 300, яғни деректер қарама-қайшы болады. Мысалы, клиенттің аты әртүрлі кестелерде әр
түрлі кездесуі мүмкін.

• Деректерді түрлендіру операциялары деректерді интеллектуалды деректер талдауында пайдалы ету мақсатында деректерді өзгертеді. Келесі
түрлендіруді қолдануға болады.

• Data transformation – деректерді түрлендіру. Деректерді түрлендіру операциялары деректерді интеллектуалды талдау процесін табысты орындауға
мүмкіндік береді.

Тегістеу: бұл деректердегі шуды жоюға көмектеседі.

•
Агрегация: деректерге қосу немесе біріктіру операциялары қолданылады. Яғни, сату туралы апта сайынғы деректер ай сайынғы және жылдық
қорытындыны есептеу үшін біріктіріледі.

Жалпылау: бұл кезеңде төменгі деңгейлі деректер ұғымдардың иерархиясы арқылы неғұрлым жоғары деңгейдегі ұғымдармен ауыстырылады.
Мысалы, қала ауданмен ауыстырылады.

Қалпына келтіру: қалпына келтіру атрибутивті деректер жоғары немесе төмен масштабталғанда орындалады. Мысалы: деректер нормалаудан кейін
– 2.0-ден 2.0-ге дейінгі диапазонда болуы тиіс.

Атрибуттарды құру: бұл атрибуттар Data Mining үшін пайдалы атрибуттардың берілген жиынтығын қамтиды
• Data Mining процесінде анықталған білім немесе ақпарат
техникалық емес мүдделі тараптар үшін оңай, әрі түсінікті болуы
керек.
• Мәліметтерді жеткізу, қызмет көрсету және болжауды
мониторингілеу үшін құрылымдық өрістету жоспары жасалады.
• Жоба бойынша түпкілікті есеп алынған сабақ пен жобаны іске
асыру барысында жинақталған негізгі тәжірибені ескере отырып
жасалады. Бұл кәсіпорынның іскерлік саясатын жақсартуға
көмектеседі.
Қорытынды
• Қазіргі заманғы мәліметтерді сақтау мен өңдеу әдістерінің дамуы,
жинақталған, талдауды керек ететін ақпараттардың тез өсуіне
алып келуде. Жинақталған мәліметтердің соншалықты көптігі
оны адам күшімен өңдеуге мүмкіндік бермейді әрі бұл
өңделмеген мәліметтердің ішінде, маңызды шешімдер
қабылдауларға керекті ақпараттар бар екені анық. Сол себепті
мәліметтерді автоматты талдау жасау үшін Data Mining-ті
қолдану керек болады.
Әдебиеттер тізімі
• «Сандық зерттеу: анықтамасы, әдістері, түрлері мен мысалдары» бөлімінде: Pro Question.Алылған күні: 13.06.2018 ж. Question Pro: questionpro.com сайтынан.
• «Сапалы қарсы сандық зерттеулер »мақаласында: Scribbr. Алынған күні: 13.06.2018 ж. Scribbr: scribbr.com.
• «Сапалық және сандық зерттеулердің айырмашылығы неде?» жай: Психология. Алынған күні: 2018 жылғы 13 маусым, жай психология: simplypsychology.com.
• «Сандық зерттеу дегеніміз не?» SIS Халықаралық зерттеуі. Алынған: 13 маусым, 2018 SIS Халықаралық зерттеу: sisinternational.com.
• «Сандық зерттеулер»: Wikipedia. Алынған күні: 13.06.2018 ж.
• Негізгі әдебиеттер
• Қаныбеков, А. Емшара және таңу бөлмелерінің мейірбикелерінің іс - әрекеттері: оқулық / А. Қаныбеков, А. Қаныбекова. - Алматы : Эверо, 2017. - 200 бет. с.
• Адилова, Л. М. Мейіргердің манипуляциялық әрекетінің алгоритмдері: оқу құралы = Алгоритмы сестринских манипуляций : учебное пособие/- М. : "Литтерра", 2016. - 248 бет с.
• Мамандандырылған медбикелік күтімді ұйымдастыру мед. колледждер мен училищелерге арналған оқу құралы / Н. Ю. Корягина [ж. б.]; ред. басқ. З. Е. Сопина; жауапты ред. С. Қ.
Мұратбекова; қаз тіліне ауд. А. Р. Құспанова, Б. Т. Алпыспаева ; РФ білім және ғыл. министрлігі. - М. : ГЭОТАР - Медиа, 2015. - 432 бет
• Қосымша әдебиеттер
• Паллиативтік көмек: оқу - әдістемелік құрал / А. А. Сейдахметова [т/б.]. - Шымкент : ОҚМФА, 2016. - 101 бет.
• Нурманова, М. Ш. Сборник стандартов сестринских технологий по дисциплине "Основы сестринского дела" - Қарағанды : ЖК "Ақнұр", 2013
• Мухина, С. А. "Мейірбикелік іс негіздері" пәнінен Тәжірибелік басшылық : медициналық училищелер мен колледждерге арналған оқу құралы.- М. : ГЭОТАР - Медиа, 2014. - 496 бет. с.
• Адилова, Л. М. Мейіргердің манипуляциялық әрекетінің алгоритмдері [Электронный ресурс] : оқу құралы = Алгоритмы сестринских манипуляций : увеб. пособие / Л. М. Адилова. -
Электрон. текстовые дан. (39.5Мб). - М. : "Литтерра", 2016. - 248б. с.
• Дуйсенова, А. М. Мейірбике ісі мамандығында оқитын студенттердің медициналық әлеуметтік сипаттамасы [Электронный ресурс] : дис. ... магистр акад. дәрежесін алу / А. М.
Дуйсенова. - Электрон. текстовые дан. (4,37Гб). - Шымкент : ОҚМА, 2015. - 75бет с
• Мамандандырылған медбикелік күтімді ұйымдастыру [Электронный ресурс] : мед. колледждер мен училищелерге арн. оқу құралы / Н. Ю. Корягина [т/б.] ; қазақ тіл. ауд. А. Р.
Куспанова. - Электрон. текстовые дан. (42.7Мб). - М. : ГЭОТАР - Медиа, 2015. - 432 б. С

Ұқсас жұмыстар

Жер кадастрының түрлері мен принциптері

ГАЖ - бен жұмысты ұйымдастыру

Сапалық зерттеудің негізгі әдістері

ДӘРІС СҰРАҚТАРЫ МЕМЛЕКЕТТІК ЖЕР ҚОЙНАУЫ ҚОРЫН БАСҚАРУ

ЭЛЕКТРОНДЫ ДЕНСАУЛЫҚ ТӨЛҚҰЖАТЫ

Мәліметтерді жинау нұсқалары

Microsoft Access бағдарламасында жұмыс жасау

EXCEL – кестелік процессор

Тілдік құрылымы

Дискретті кездейсоқ шаманың ықтималдықтарын үлестіру заңы

Пәндер