Hozir dunyoda katta ma'lumotlarni qayta ishlash texnologiyalar

Yuklangan vaqt:

12.08.2023

Ko'chirishlar soni:

0

Hajmi:

427.7265625 KB

Ko'chirib olish

O’ZBEKISTON RESPUBLIKASI
OLIY VA O’RTA -MAXSUS TA’LIM
VAZIRLIGI
SAMARQAND DAVLAT UNIVERSITETI
RAQAMLI TEXNOLOGIYALAR
FAKULTETI
AXBOROT TIZIMLARINI MATEMATIK VA
DASTURIY TA’MINOTI YO’NALISHI
310 -guruh talabasi Tohirov Muhriddinning
BIG DATA FANIDAN
MUSTAQI L ISHI

SAMARQAND -2022

Mavzu : Hozir dunyoda katta ma'lumotlarni qayta ishlash
texnologiyalari
Reja:
Kirish…………………………………………………………………………….......
1. Kattta malumotlar haqida tushuncha.......………………………………………...
2. Katta ma'lumotlarni tahlil qilish usullari…………………………………………
3. Katta ma'lumotlarni tahlil qilish texnologiyalari……………………………... ....
Xulosa…………………………………………………………………………..... ....
Foydalanilgan adabiyotla r………………………………………………………... ...

Kirish
Zamonaviy tadqiqot markazlari, moliya institutlari, ijtimoiy tarmoqlar
tomonidan ishlab chiqarilgan va to'plangan ma'lumotlar miqdori allaqachon
petabaytlarda o'lchanadi . Shunday qilib, 15 millia rddan ortiq rasm allaqachon
Facebook ma'lumotlar markazlarida saqlanadi, Nyu -York fond birjasi NYSE har
kuni taxminan 1 Tb ma'lumot yaratadi va takrorlaydi, Katta adron kollayderi
soniyada taxminan 1 Pb ma'lumot oladi.
Shunday qilib, zamonaviy dunyoda kat ta ma'lumotlar yoki Big Data
muammosi paydo bo'ldi. IT va biznes sohasidagi jahon yetakchilari doimiy ravishda
keladigan katta hajmdagi axborotni boshqarish va tahlil qilish uchun eng yaxshi
yechimni qidirmoqda. Ular o'z ixtiyoridagi ma'lumotlardan foydala nish yo'llarini
qidirmoqdalar.
Katta ma'lumotlar mavzusi amaliy va nazariy nuqtai nazardan
qiziqarli. Texnologiyalarning o'zi uzluksiz rivojlanish holatida bo'lib, bu ularni
amalga oshirish va takomillashtirish jarayonini real vaqt rejimida kuzatish,
shun ingdek, katta ma'lumotlar massivlarini qayta ishlash uchun yangi
texnologiyalarni yaratishda bevosita ishtirok etish imkonini beradi.
Shuni ham qayd etishni istardimki, Big Data sohasidagi bilim va ko‘nikmalarni
kengaytirish biznes informatika yo‘nalishida tahsil olayotgan talabalar uchun
ayniqsa dolzarbdir.

Kattta malumotlar haqida tushuncha
Katta ma'lumotlarning o'ziga xos xususiyatlarini tavsiflab, ular eslatib o'tgan
birinchi narsa 3V: "hajm, xilma -xillik va tezlik" yoki hajm, xilma -xillik va tezlik.
Hajmi nafaqat saqlangan ma'lumotlarning katta miqdorini, balki uning qo'shilishi,
o'sishi, vaqt o'tishi bilan o'zgarishini ham nazarda tutadi.
Axborot turlari va manbalarining xilma -xilligi ularni bitta ma'lumotlar
to'plamiga birlashtirishda doim o katta muammo bo'lib kelgan. Bugungi kunda bu
xilma -xillik tobora ortib bormoqda.
Tezlik axborotni yaratishda ham, uni qayta ishlashda ham
baholanadi.Relyatsion ma'lumotlar bazalari ma'lumotlar massivlari bilan
ishlashning an'anaviy usuli hisoblanadi. Bi roq, yuzlab terabaytli relyatsion
ma'lumotlar bazasi bilan ishlash hali Big Data emas, balki, masalan, "oddiy"
yuklangan ma'lumotlar bazasi. Bu holda farq ma'lumotlar bazasi arxitekturasida va
DBMS va saqlangan ma'lumotlar o'rtasidagi o'zaro ta'sir mantig' ida yotadi.
Relyatsion ma'lumotlar bazalarida ma'lumotlar dispersiv ravishda
taqsimlanadi, ya'ni. dastlab o'rnatilgan aniq tuzilma mavjud bo'lib, uning allaqachon
ishlaydigan ma'lumotlar bazasida o'zgarishi ko'plab muammolar bilan
bog'liq. Shunday qilib, arxitekturasi tufayli relyatsion ma'lumotlar bazalari bir xil
turdagi oqimga amal qiladigan qisqa, tezkor so'rovlar uchun eng mos
keladi. Murakkab so'rovlar ma'lumotlar bazasi strukturasini qayta qurishni yoki
tezlikni oshirish uchun hisoblash quvvatini os hirishni talab qiladi. Bu an'anaviy
ma'lumotlar bazalari bilan bog'liq yana bir muammoga, ya'ni ularning
kengaytirilishining murakkabligiga ishora qiladi.
Shunday qilib, murakkab moslashuvchan so'rovlar bilan ishlash uchun sizga
tuzilmagan ma'lumotlarni s aqlash va qayta ishlash imkonini beradigan,
kengaytiriladigan va taqsimlangan hisoblashlardan foydalanishga imkon beradigan
muhit kerak, bu erda ma'lumotlarni qayta ishlash uchun bitta yuqori unumdorlikli
mashina emas, balki butun guruh ishlatiladi. klaste rga birlashtirilgan bunday
mashinalar. Ko'pgina katta ma'lumotlar loyihalari juda qorong'i bo'lsa -da, odamlar,

kompaniyalar va hukumatlarning kundalik hayotiga ta'sir ko'rsatadigan katta
ma'lumotlarning muvaffaqiyatli namunalari mavjud:
Virus epidemiyalar ini bashorat qilish: ijtimoiy -siyosiy ma'lumotlar, ob -havo
va iqlim ma'lumotlari va shifoxona ma'lumotlarini o'rganish orqali bu olimlar 4
haftalik oldindan ogohlantiruvchi dag'al isitma epidemiyasini taxmin qilmoqdalar.
Homicide Watch: bu katta ma'lumot loyihasi profsoyuz Vashingtondagi
qotillik qurbonlari, gumondorlari va jinoyatchilar profilini tashkil qiladi. Ham,
marhumni hurmat qilish va odamlar uchun xabardorlik manbai sifatida, bu katta
ma'lumot loyihasi ajoyibdir.
Tranzitni Sayohat Rejalashtirish , NYC: WNYC radio dasturchisi Stiv
Melendez onlayn metro rejasini sayohat sayohati dasturi bilan birlashtirdi. Uning
yaratilishi Nyu -Yorkchilar xaritada o'z manzillarini bosish imkonini beradi va
poezdlar va metro uchun sayohat vaqtini taxmin qilish mumkin .
Xerox ish kuchini yo'qotdi: chaqiriq markazi ishi hissiy jihatdan toliqdi.
Xerox professional tahlilchilar yordamida ma'lumotlarni to'plamini o'rganib chiqdi
va hozirda ular qaysi chaqiriq markazi ishlayotganini kompaniyaga eng uzoq
muddat qolishi mumki nligini taxmin qilishlari mumkin.
Terrorizmga qarshi kurashni qo'llab -quvvatlash: Ijtimoiy axborot vositalarini,
moliyaviy hisobotlarni, parvozlar buyurtmalarini va xavfsizlik ma'lumotlarini
o'rganish orqali huquqni muhofaza qilish organlari terroristik g umondorlarni yovuz
ishlarini qilmasdan oldindan aniqlashi va topishi mumkin.
Tovarlarni marketingni ijtimoiy media sharhlar asosida tuzish : odamlar
ochiq -oydin va tezda pub, restoran yoki fitness klubida onlayn fikrlarini baham
ko'rishadi. Ushbu millionl ab ijtimoiy media lavozimlarini o'rganish va kompaniyaga
o'zlarining xizmatlariga nisbatan qanday fikrda ekanligi haqida ma'lumot berish
mumkin.
1. Ma'lumotlar katta. U bir qattiq diskda , USB xotirasida kamroq mos
kelmaydi. Ma'lumotlarning miqdori inson aqliga qanchalik ta'sir qilishi
mumkinligini (milliard milliard megabaytni o'ylab, undan keyin milliardlab dollar
ko'payishi mumki n) oshib ketadi.

2. Ma'lumotlar tarqoq va tuzilmaga ega emas. Katta hajmdagi
ma'lumotlarning 50% dan 80% gacha bo'lgan ma'lumotni o'zgartiradi va tozalanadi,
natijada qidirish mumkin va tartibga solinadi. Sayyoramizdagi bir necha ming nafar
mutaxassis bu ma'lumotni qanday qilib tozalashni biladi. Ushbu mutaxassislar,
shuningdek, HPE va Hadoop kabi juda ko'p maxsus uskunalarga ega bo'lishlari
kerak. Ehtimol, 10 yil ichida katta ma'lumotlar mutaxassislari o'nlab kishiga
aylanadi, ammo hozirgi vaqtda ular jud a kam uchraydigan tahlilchi va ularning ishi
hali juda qorong'i va zerikarli.
3. Ma'lumot sotilgan va sotib olinadigan tovarga aylangan. Kompaniyalar va
shaxslar ijtimoiy media va boshqa ma'lumotlarni terabayt sotib olishlari mumkin
bo'lgan ma'lumotlar bo zorlari mavjud. Ma'lumotlarning aksariyati bulutga
asoslangan bo'lib, u har qanday bitta qattiq diskka joylashish uchun juda katta.
Ma'lumotlarni xarid qilish, odatda, bulutli serverlar fermasiga ulangan abonent
to'lovini o'z ichiga oladi.
Katta ma'lumot vositalari va g'oyalar Amazon, Google, Facebook va
Yahoo. Ushbu kompaniyalar onlayn xizmatlar bilan millionlab kishilarga xizmat
qilganligi sababli ular katta ma'lumotlar tahlillari ortida yig'ish nuqtasi va tuyuluvchi
bo'lar edi.
4. Katta ma'lumotlarning imkoniyatlari cheksizdir. Ehtimol, shifokorlar bir
kunda bir necha hafta oldin yurak xurujlari va qon tomirlarini taxmin
qilishadi. Parvoz va avtoulovlar mexanik ma'lumot va transport va ob -havo
naqshlarining taxminiy tahlili bilan kamayishi mumkin. Onlay n dating sizning
kimgadir mos keluvchi shaxslarning katta ma'lumotlarini oldindan
aniqlaydiganlarga ega bo'lishi mumkin. Musiqiy tinglovchilar musiqa
kompozitsiyasi maqsadli auditoriyalarning o'zgaruvchan ta'mi uchun eng
yoqimlidir. Oziqlantirishchilar do' kondan sotib olingan oziq -ovqat mahsulotlarining
qaysi kombinatsiyasini yanada kuchaytirishi yoki insonning tibbiy holatiga yordam
berishini taxmin qilishlari mumkin. Sirt faqat chizilgan va katta ma'lumotlarda
kashfiyotlar har hafta sodir bo'ladi.

Katta ma'lumotlarni tahlil qilish usullari
Hozirgi vaqtda katta ma'lumotlar klasterlarini tahlil qilishning ko'plab usullari
ishlab chiqilmoqda. Quyida ulardan ba'zilari keltirilgan. Birlashtirish va ma'lumotlar
integratsiyasi (Ma'lumotlarni birlashtirish va ma 'lumotlar integratsiyasi). Bitta
manbadan ko'ra ishonchli va potentsial foydali ma'lumotlarni olish uchun bir nechta
manbalardan olingan ma'lumotlarni birlashtiradigan va tahlil qiladigan texnikalar
to'plami. Buning uchun raqamli signalni qayta ishlashdan foydalanish
mumkin . Masalan, tabiiy tilda ishlov berish yordamida tahlil qilingan va savdo
ma'lumotlari bilan taqqoslangan media ma'lumotlari reklama kampaniyalari va
boshqa ma'lumotlarning iste'molchilar xatti -harakatlariga ta'sir qilish mexanizmini
ochib berishi mumkin. Ma'lumotlarni qazib olish (Data Mining). Statistik
ma'lumotlardan tortib mashinani o'rganish va ma'lumotlar
bazasini boshqarishgacha bo'lgan turli usullarni birlashtirgan holda katta
ma'lumotlar to'plamidan potentsial foydali ma 'lumotlarni olish uchun texnikalar
to'plami . Ularga assotsiativ ta'lim (assotsiatsiya qoidalarini o'rganish), klaster
tahlili (klaster tahlili), tasniflash va regressiya kiradi.
Genetik algoritmlar . Optimallashtirish uchun ishlatiladigan va tabiiy
evolyutsiya tamoyiliga asoslangan usul: "eng kuchlilarning omon qolishi". Bu erda
potentsial echimlar xromosomalar kabi kodlangan va birlashtirilishi va mutatsiyaga
uchragan bo'lishi mumkin. Shuningdek, ko'pincha chiziqli bo'lmagan muammolarni
hal qilish uchun juda mos bo'lgan evolyutsion algoritm turi sifatida
tavsiflanadi. Misol tariqasida ish jadvalingizni yaxshilash yoki investitsiya portfelini
optimallashtirish mumkin.
Neyron tarmoqlari (neyron tarmoqlari). Odamlar va hayvonlarning asab
tizimidan il homlangan hisoblash modellari. Ular murakkab naqshlarni topish uchun
juda mos keladi va tanib olish va optimallashtirish uchun ishlatilishi
mumkin. Nazorat ostidagi o'rganish yoki nazoratsiz o'rganishni o'z ichiga olishi
mumkin Oqimni qayta ishlash. Ko'p sonli real vaqtda voqealar ma'lumotlar oqimini
qayta ishlash texnologiyalari.

Vizualizatsiya usuli va boshqalar ham keng qo'llaniladi. Ma'lumotlar
to'plamini tahlil qilishning turli xil usullari mavjud bo'lib, ular statistikadan va
informatikadan olingan asboblarga asoslangan (masalan, mashinasozlik). Ro'yxat
to'liq deb da'vo qilmaydi, lekin u turli sohalarda eng mashhur yondashuvlarni aks
ettiradi. Shu bilan birga, tadqiqotchilar yangi texnika yaratish va mavjudlarini
takomillashtirish ustida ishlashda d avom etishini tushunish kerak. Bundan tashqari,
yuqorida sanab o'tilgan usullarning ba'zilari faqat katta ma'lumotlarga taalluqli emas
va ularni kichikroq massivlar uchun muvaffaqiyatli ishlatish mumkin (masalan, A /
B testi, regressiya tahlili). Albatta, massiv qanchalik katta va xilma -xil tahlil qilinsa,
chiqishda shunchalik aniq va tegishli ma'lumotlarni olish mumkin.
A / B sinovlari ... Boshqaruv namunasi boshqalar bilan birma -bir
taqqoslanadigan usul. Shunday qilib, masalan, iste'molchilarning market ing taklifiga
eng yaxshi javob berishiga erishish uchun ko'rsatkichlarning optimal
kombinatsiyasini aniqlash mumkin. Katta ma'lumotlar juda ko'p sonli takrorlashni
amalga oshirishga va shu bilan statistik ishonchli natijaga erishishga imkon beradi.
Uyushm a qoidalarini o'rganish ... O'zaro munosabatlarni aniqlash usullari
to'plami, ya'ni. katta ma'lumotlar to'plamidagi o'zgaruvchilar o'rtasida assotsiatsiya
qoidalari. Yilda ishlatilgan ma'lumotlarni qazib olish .
Tasniflash ... Muayyan bozor segmentida iste'm olchilarning xatti -
harakatlarini bashorat qilish imkonini beradigan texnikalar to'plami (sotib olish,
chiqib ketish, iste'mol qilish va boshqalar to'g'risida qaror qabul qilish). Yilda
ishlatilgan ma'lumotlarni qazib olish .
Klasterlar tahlili ... Oldin no ma'lum bo'lgan umumiy xususiyatlarni aniqlash
orqali ob'ektlarni guruhlarga ajratishning statistik usuli. Yilda
ishlatilgan ma'lumotlarni qazib olish .
Crowdsourcing ... Ko'p sonli manbalardan ma'lumotlarni yig'ish
metodologiyasi.
Ma'lumotlarni birlashtiri sh va ma'lumotlarni birlashtirish ... Ijtimoiy tarmoqlar
foydalanuvchilarining sharhlarini tahlil qilish va real vaqtda sotish natijalari bilan
taqqoslash imkonini beradigan texnikalar to'plami.

Ma'lumotlarni qazib olish ... Targ'ib qilinayotgan mahsulot yo ki xizmatni eng
yaxshi qabul qiladigan iste'molchilar toifalarini aniqlash, eng muvaffaqiyatli
xodimlarning xususiyatlarini aniqlash va iste'molchilarning xulq -atvor modelini
bashorat qilish imkonini beradigan usullar to'plami.
Ansamblni o'rganish ... Bu usulda turli xil bashoratli modellardan
foydalaniladi va shu bilan bashoratlar sifati yaxshilanadi.
Genetika algoritmlari ... Ushbu texnikada mumkin bo'lgan echimlar
"xromosomalar" shaklida taqdim etiladi, ular birlashishi va mutatsiyaga uchrashi
mumkin. T abiiy evolyutsiya jarayonida bo'lgani kabi, eng munosiblari ham omon
qoladi.
Mashinani o'rganish ... Informatika yo'nalishi (tarixan unga "sun'iy intellekt"
nomi berilgan), u empirik ma'lumotlarni tahlil qilish asosida o'z -o'zini o'rganish
algoritmlarini y aratishga qaratilgan.
Tabiiy tilni qayta ishlash (NLP ). Informatika va tilshunoslikdan qarz olgan
odamning tabiiy tilini tanib olish texnikasi.
Tarmoq tahlili ... Tarmoqdagi tugunlar orasidagi aloqalarni tahlil qilish texnikasi.
Ijtimoiy tarmoqlarda qo'lla nilishi sizga individual foydalanuvchilar, kompaniyalar,
jamoalar va boshqalar o'rtasidagi munosabatlarni tahlil qilishga imkon beradi.
Optimallashtirish ... Bir yoki bir nechta ko'rsatkichlarni takomillashtirish uchun
murakkab tizimlar va jarayonlarni qayt a loyihalashning raqamli usullari to'plami.
Strategik qarorlar qabul qilishda yordam beradi, masalan, bozorga chiqariladigan
mahsulot turining tarkibi, investitsiya tahlilini o'tkazish va h.k.
Naqshni aniqlash ... Iste'molchilarning xulq -atvorini bashorat q ilish uchun o'z -o'zini
o'qitish elementlari bo'lgan texnikalar to'plami.
Bashoratli modellashtirish ... Voqealar rivojlanishi uchun oldindan taxmin
qilingan ssenariyning matematik modelini yaratishga imkon beradigan usullar
to'plami. Masalan, CRM tiziminin g ma'lumotlar bazasini abonentlarni provayderni
o'zgartirishga majbur qiladigan mumkin bo'lgan sharoitlar uchun tahlil qilish.
Regressiya ... Bog'liq o'zgaruvchining o'zgarishi va bir yoki bir nechta
mustaqil o'zgarishi o'rtasidagi qonuniyatlarni aniqlash uchun statistik usullar

to'plami. Ko'pincha bashorat qilish va bashorat qilish uchun ishlatiladi.
Ma'lumotlarni qidirishda ishlatiladi.
Hissiy tahlil ... Iste'molchilarning his -tuyg'ularini baholash usullari insonning
tabiiy tilini tanib olish texnologiya lariga asoslangan. Ular sizga qiziqish mavzusiga
tegishli xabarlarni (masalan, iste'molchi mahsuloti) umumiy axborot oqimidan
ajratishga imkon beradi. Keyinchalik, hukmning qutbliligini (ijobiy yoki salbiy),
hissiylik darajasini va boshqalarni baholang.
Si gnalni qayta ishlash ... Shovqin fonida signalni tanib olish va uni keyingi tahlil
qilish maqsadini ko'zlagan radiotexnikadan olingan texnikalar to'plami.
Kosmik tahlil ... Qisman statistikadan olingan fazoviy ma'lumotlarni tahlil qilish
usullari to'plami - er topologiyasi, geografik koordinatalar, ob'ektlar geometriyasi.
Manba katta ma'lumotlar bunda geografik axborot tizimlari (GIS) tez -tez ishlatiladi.
Statistika ... Ma'lumot yig'ish, tartibga solish va talqin qilish, shu jumladan
so'rovnomalar tuzish va t ajribalar o'tkazish fani. Statistik usullar ko'pincha ma'lum
hodisalar o'rtasidagi munosabatlar to'g'risida baho berish uchun ishlatiladi.
Nazorat ostida o'qitish ... Tahlil qilinayotgan ma'lumotlar to'plamidagi funktsional
munosabatlarni aniqlashga imkon b eradigan mashinasozlik texnologiyalariga
asoslangan metodlar to'plami.
Simulyatsiya ... Murakkab tizimlarning xatti -harakatlarini modellashtirish ko'pincha
rejalashtirishda turli xil stsenariylarni bashorat qilish, bashorat qilish va ishlab
chiqish uchun i shlatiladi.
Vaqt seriyasini tahlil qilish ... Vaqt o'tishi bilan statistikadan va raqamli signallarni
qayta ishlashdan olingan takrorlanadigan ma'lumotlar ketma -ketligini tahlil qilish
usullari to'plami. Aniq maqsadlardan ba'zilari fond bozorini yoki bemor larning
kasallanishini kuzatishdir.
Nazorat qilinmagan o'rganish ... Tahlil qilinayotgan ma'lumotlar majmuasida
yashirin funktsional munosabatlarni ochib berishga imkon beradigan mashinasozlik
texnologiyalariga asoslangan metodlar to'plami. Bilan ulushlar K lasterlar tahlili .

Katta ma'lumotlarni tahlil qilish texnologiyalari.
Ushbu sohani rivojlantirish istiqbollari va yuqori tijorat rentabelligi tufayli
tahlil texnologiyalari ham keng tarqalgan bo'lib, ularning soni o'sishda davom
etmoqda. Quyida eng mash hurlari ro'yxati va tavsifi keltirilgan. Biznes razvedkasi
(BI). Ma'lumotlarni yig'ish, tahlil qilish va taqdim etish uchun mo'ljallangan amaliy
dasturiy ta'minot. IB vositalari ko'pincha standart hisobotlarni yaratish yoki asboblar
panelida real vaqtda ma' lumotlarni ko'rsatish uchun ishlatiladi.
Kassandra. Taqsimlangan tizimda katta hajmdagi ma'lumotlarni qayta ishlash
uchun mo'ljallangan bepul ochiq kodli DBMS. Dastlab Facebook tomonidan ishlab
chiqilgan, hozirda Apache Software fondi tomonidan loyiha sif atida ro'yxatga
olingan Chiqarish, o'zgartirish va yuklash (ETL). Tashqi manbalardan
ma'lumotlarni olish, tizim standartiga moslashtirish va ma'lumotlar bazasiga yuklash
uchun dasturiy vositalar.
Google fayl tizimi. Google -ning xususiy taqsimlangan fayl
tizimi.Hadoop. Katta hajmdagi ma'lumotlarni qayta ishlash va taqsimlangan tizimlar
asosida muayyan turdagi muammolarni hal qilish uchun bepul dasturiy ta'minot
muhiti. Ishlanma Google MapReduce va Google fayl tizimidan
ilhomlangan. Dastlab Yahoo! tomonidan ishlab chiqilgan, hozirda Apache Software
fondi tomonidan loyiha sifatida kiritilgan.
Faqat tashqi dunyo bilan hech qanday tashqi aloqasi bo'lmagan odam bugungi
kunda katta ma'lumotlar haqida eshitmagan. Habré -da Katta ma'lumotlar tahlili
mavzusi va tegis hli mavzular mashhur. Ammo katta ma'lumotlarni o'rganishga
o'zini bag'ishlamoqchi bo'lgan mutaxassis bo'lmaganlar uchun bu soha qanday
istiqbollarga ega ekanligi, Big Data tahlilini qayerda qo'llash mumkinligi va yaxshi
tahlilchi nimaga ishonishi har doim ham aniq emas. Keling, buni tushunishga
harakat qilaylik.Har yili inson tomonidan yaratilgan ma'lumotlar miqdori ortib
bormoqda. 2020 yilga kelib saqlangan ma'lumotlar hajmi 40 -44 zettabaytgacha (1
ZB ~ 1 milliard GB) oshadi. 2025 yilga kelib, taxminan 400 zettabaytgacha. Shunga
ko'ra, zamonaviy texnologiyalardan foydalangan holda tuzilgan va tuzilmagan
ma'lumotlarni boshqarish tobora muhim ahamiyat kasb etayotgan sohadir.

Ham alohida kompaniyalar, ham butun shtatlar katta ma'lumotlardan
manfaatdor.Aytgan cha, axborot bumi va inson tomonidan yaratilgan ma'lumotlarni
qayta ishlash usullarini muhokama qilish jarayonida Big Data atamasi paydo
bo'ldi. Bu birinchi marta 2008 yilda Nature muharriri Klifford Linch tomonidan
taklif qilingan deb ishoniladi.O'shandan beri Big Data bozori har yili bir necha o'n
foizga o'sib bormoqda. Va bu tendentsiya, ekspertlarning fikriga ko'ra, davom
etadi. Shunday qilib, Frost & Sullivan ma'lumotlariga ko'ra, 2021 yilda yirik
ma'lumotlar tahlili global bozorining umumiy hajmi 67,2 milliard dollargacha
oshadi, yillik o'sish taxminan 35,9 foizni tashkil qiladi.
Katta ma'lumotlarni tahlil qilish uchun ishlatiladigan texnologiyalar va tahlil
usullari:
 ma'lumotlarni qazib olish;
 kraudsorsing;
 ma'lumotlarni aralashtirish va integratsiya qilish;
 mashinani o'rganish;
 sun'iy neyron tarmoqlari;
 naqshni aniqlash;
 bashoratli tahlil;
 simulyatsiya modellashtirish;
 fazoviy tahlil;
 statistik tahlil;
 analitik ma'lumotlarni vizualizatsiya qilish
Hozirda katta ma'lumotlar tahlili butun dunyo bo'ylab k ompaniyalarning 50% dan
ortig'ida qo'llaniladi. 2015 yilda bu ko'rsatkich atigi 17 foizni tashkil etganiga
qaramay. Big Data telekommunikatsiya va moliyaviy xizmatlar sohasida
ishlaydigan kompaniyalar tomonidan eng faol foydalaniladi. Keyin sog'liqni saqla sh
sohasida texnologiyaga ixtisoslashgan kompaniyalar bor.
"Katta ma'lumotlar" deb nomlangan narsadan nimani kutish kerakligini tushunish
uchun siz zamonaviy "IT" dunyoqarashining chegaralaridan chiqib, nima
bo'layotganini kengroq tarixiy va texnologik r etrospektivda ko'rishga harakat

qilishingiz kerak, masalan, o'xshashliklarni topishga harakat qiling. uzoq tarixga ega
bo'lgan texnologiyalar. Axir, biz o'z faoliyatimizning mavzusini texnologiya deb
atagan holda, unga texnologiya sifatida qarashimiz kerak . Deyarli barcha ma'lum
moddiy texnologiyalar sifat jihatidan yangi mahsulot olish uchun o'ziga xos bo'lgan
xom ashyoni qayta ishlash, qayta ishlash yoki yig'ishga aylanadi - texnologik
jarayonning kirishida bir narsa bor, chiqishda esa.
Nomoddiy axborot texnologiyalarining o'ziga xos xususiyati shundaki, bu
erda texnologik zanjir unchalik ravshan emas, xom ashyo nima, natijasi nima,
kirishda nima bo'ladi va chiqishda nima olinadi, aniq emas. Aytishning eng oson
usuli - bu kirish ma'lumoti, chiqish esa foy dali ma'lumot. Umuman olganda, bu
deyarli haqiqat, lekin ular orasidagi munosabatlar nihoyatda murakkab; agar biz
sog'lom pragmatizm darajasida qolsak, o'zimizni quyidagi mulohazalar bilan
cheklashimiz mumkin. Ma'lumotlar - bu turli xil shakllarda ifodalan gan, ular
kontekstga joylashtirilmaguncha, to'g'ri tartibga solinmaguncha va ishlov
berilayotganda buyurtma qilinmaguncha foydali ma'noga ega bo'lmagan xom
faktlar. Axborot inson tomonidan qayta ishlangan ma'lumotlarni tahlil qilish
natijasida paydo bo'lad i, bu tahlil ma'lumotlarga ma'no beradi va ularni iste'molchi
sifatlari bilan ta'minlaydi. Ma'lumotlar - bu ma'lumotga aylantirilishi kerak bo'lgan
tartibsiz faktlar.
So'nggi paytgacha, haqida fikrlar ma'lumotlarni qayta ishlash (ma'lumotlarni
qayta ishla sh) nisbatan kichik hajmdagi ma'lumotlar bo'yicha algoritmik, mantiqiy
yoki statistik operatsiyalarning organik doirasiga tushirildi. Biroq, kompyuter
texnologiyalari real dunyoga yaqinlashganda, real dunyodan ma'lumotlarni haqiqiy
dunyo haqidagi ma'lumotl arga aylantirish zarurati ortadi, ishlov berilgan
ma'lumotlar kattalashadi va ishlov berish tezligiga talablar oshadi.
Mantiqan, axborot texnologiyalari moddiy texnologiyalardan, ma'lumotlarni
kiritishda, chiqishda - odamlarning idrok qilishlari uchun qul ayroq shaklda, ulardan
ma'lumot olish va ma'lumotni aql kuchi bilan foydali bilimlarga aylantirishdan
unchalik farq qilmaydi.

Kompyuterlarni hisoblash qobiliyati uchun kompyuter deb atashgan, ENIAC
uchun birinchi dasturni eslaydilar - o'q otish ma'lumotl arini qayta ishlaydi va ularni
artilleriya jadvaliga aylantiradi. Ya'ni, kompyuter xom ma'lumotlarni qayta ishladi,
foydali ma'lumotlarni chiqarib oldi va foydalanishga yaroqli shaklda yozdi. Bizning
oldimizda oddiy texnologik jarayondan boshqa narsa yo'q. Umuman aytganda,
"Axborot texnologiyalari" atamasi o'rniga aniqroq ma'lumotlarni qayta ishlash tez -
tez ishlatilishi kerak.
Axborot texnologiyalari umumiy qonunlarga bo'ysunishi kerak, unga muvofiq
boshqa barcha texnologiyalar rivojlanadi va bu, birinchi navbatda, qayta ishlangan
xom ashyo miqdorining ko'payishi va qayta ishlash sifatining yaxshilanishidir. Bu
hamma joyda sodir bo'ladi, nima bo'lishidan qat'i nazar, xom ashyo nimaga xizmat
qiladi va natijasi metallurgiya, neft kimyosi, biotexnologiya, yar imo'tkazgichli
texnologiyalar va boshqalar bo'ladimi, keyinchalik tez rivojlanish, sakrashlar
bo'ladi. Agar ehtiyoj tashqi tomondan paydo bo'lsa va texnologiya ichida uni
qondirish imkoniyati mavjud bo'lsa, tez o'tish mumkin. Vakuumli naychalarga
kompyuter lar qurib bo'lmaydi - va yarimo'tkazgichlar paydo bo'ldi, mashinalarga
ko'p benzin kerak - yorilish jarayoni aniqlandi va bunday misollar ko'p. Shunday
qilib, Big Data nomi ostida kompyuter texnologiyasida jiddiy o'zgarishlarga olib
kelishi mumkin bo'lgan sifatli o'tish sodir bo'lmoqda, bu tasodifan yangi sanoat
inqilobi deb nomlanmagan. Big Data - bu boshqa oqibatlarga olib keladigan yana
bir texnik inqilob.
Ma'lumotni qayta ishlash bo'yicha birinchi tajriba miloddan avvalgi 4 -ming
yillikda, piktografik yozuv paydo bo'lgan paytga to'g'ri keladi. O'shandan beri
ma'lumotlar bilan ishlashning bir nechta asosiy yo'nalishlari ishlab chiqildi, ularning
eng kuchlisi birinchi loydan yasalgan planshetlardan SSDgacha, miloddan avvalgi 1
-ming yillikning o'rtalarida gi kutubxonalardan zamonaviy kutubxonalargacha,
so'ngra har xil turdagi matematik raqamli matnli matnli matn bo'lib kelgan va
qolmoqda. Pifagor teoremasi isbotla ngan papiruslardan tortib hisob -kitoblarni
zamonaviy kompyuterlarga soddalashtirish usullari pa ydo bo'ldi.

Xulosa
Katta ma'lumotlar tahlili butun dunyo bo'ylab kompaniyalarni boshqarishdagi
asosiy tendentsiyalardan biridir. Ko'pgina kompaniyalar o'zlarining qarorlari sifatini
yaxshilash uchun bunday texnologiyalarni joriy qilishni boshlaydilar. Tur li
konsalting va tadqiqot agentliklari katta ma'lumotlar tahlilini kompaniyalarni
boshqarish usullarini butunlay o'zgartiradigan tendentsiyalardan biri sifatida
ta'kidlaydi. Qolaversa, ilmiy jamoatchilikning ham ushbu mavzuga qiziqishi ortib
bormoqda. Biro q, ko'pchilikning fikriga ko'ra, katta ma'lumotlar tahlili yirik
kompaniyalarning vakolati bo'lib qolmoqda. Kichik va o'rta biznesda katta
ma'lumotlar tahlili muammosi amalda yoritilmagan. Xuddi shu narsa logistika
sohasiga ham tegishli.
Ushbu tadqiqot ish ining bir qismi sifatida, xususan, Rossiyadagi kichik va
o'rta logistika kompaniyalarida katta ma'lumotlar tahlilidan foydalanish
imkoniyatlari va cheklovlari tahlil qilindi.
Jahon amaliyotida logistikada bunday texnologiyalar qanday qo‘llanilishini
aniqla sh maqsadida tadqiqot uchun tanlangan 20 ta turli holatlar tahlili o‘tkazildi.
Tahlillar asosida uch guruh holatlar aniqlandi: 1) yirik logistika kompaniyalari
holatlari, 2) innovatsion biznes modeliga ega platforma kompaniyalari holatlari va
3) logistika sohasida katta maʼlumotlar tahlili uchun yechimlar ishlab chiquvchi
kompaniyalar. Bundan tashqari, holatlar tahlili shuni ko'rsatdiki, eng ommabop
texnologiyalar avtomobilni kuzatish, avtomobilga o'rnatilgan sensorlar va datchiklar
ma'lumotlarini tahlil qi lish, ushbu texnologiyalarning kombinatsiyasi, shuningdek,
talabni bashoratli tahlil qilish texnologiyalari.
Keyinchalik kichik va o'rta logistika kompaniyalarining ikki turi aniqlandi.
Birinchi tur an'anaviy biznes modeliga ega bo'lgan kompaniyalar bo'lib , ularning
asosiy aktivi transport vositalaridir. Ikkinchi tur - yuk egalari va tashuvchilarni
birlashtirgan platforma kompaniyalari. Bunday kompaniyalarning asosiy aktivi
uning ishtirokchilari va ularning resurslaridir. Keyinchalik, ikki turdagi
kompaniya lar alohida o'rganildi.

Shundan so'ng, kichik va o'rta logistika kompaniyalarida katta ma'lumotlar
tahlilidan foydalanish imkoniyatlari va to'siqlari tahlil qilindi. Buning uchun
Rossiyadagi kichik va o'rta biznesning hozirgi holati tahlil qilindi, mutaxas sislar
bilan suhbatlar o'tkazildi. Natijada, har ikki turdagi kompaniyalarga ta'sir etuvchi
to'siq qator iqtisodiy omillar ta'sirida bunday loyihalarni moliyalashtirishning
qiyinligi ekanligi aniqlandi. Bundan tashqari, an'anaviy kompaniyalarga Platon
tizi mi bilan bog'liq qo'shimcha xarajatlar, shuningdek, axborot tizimlarining
etishmasligi to'sqinlik qiladi. Ma'lum bo'lishicha, innovatsion turdagi kompaniyalar
uchun o'ziga xos to'siqlar "kulrang" tashuvchilarning yuqori ulushi, B2B sektoridagi
mijozlarni p latformaga jalb qilishning qiyinligi va B2C segmentiga kirishning
cheklanganligi, raqobatdosh tahdidlardir. yirik kompaniyalar, shuningdek,
mahsulotingizni bozorga birinchi bo'lib kiritish huquqi uchun majburiy poyga.
Shundan so'ng, tanlangan ikkita kichik va o'rta logistika kompaniyalariga
tegishli ikkita kompaniya misolida aniqlangan to'siqlarning ahamiyati baholandi.
Faqatgina pasayish bilan bog'liq to'siqlar haqiqatan ham muhim ekanligi
ko'rsatilgan. Shuning uchun bugungi kunda bunday texnologiyalardan
foydalanishning asosiy cheklovi faqat mamlakatdagi iqtisodiy vaziyatdir. Shu bilan
birga, aslida kichik va o'rta biznesning bunday texnologiyalarni joriy etishiga
to'sqinlik qiladigan boshqa jiddiy cheklovlar yo'q.
Hozirgi vaqtda logistika biznesini yuriti sh kontseptsiyasi qayta ko'rib chiqish
bosqichida. Ushbu maqolada biz kompaniyalar uchun raqobatdosh ustunlikka
erishish uchun katta ma'lumotlar tahlilidan qanday foydalanish mumkinligini ko'rib
chiqdik. Biroq, mashinani o'rganish texnologiyalari va muhand islik sohasidagi
yutuqlar bilan birgalikda, katta ma'lumotlar logistika biznesini yuritish usulini
o'zgartirishi mumkin. Uber va Google kabi yirik kompaniyalar allaqachon
avtomobillarni uchuvchisiz boshqarish texnologiyalarini ishlab chiqishmoqda.
Fuqaroli k logistikasidagi Internet platformalarining muvaffaqiyati biznes
yuritishning an'anaviy usullaridan ustunligini isbotladi. Agar biz ushbu ikki
tendentsiyani birlashtirib, ularni logistika biznesiga qo'llasak, uning kelajakdagi
rivojlanishining mumkin bo'l gan yo'nalishini tasavvur qilishimiz mumkin.

Foydalanilgana adabiyotlar
1. Hilbert, Martin; López, Priscila (2011). "Axborotni saqlash, tarqatish va hisoblash
bo'yicha dunyoning texnologik sa lohiyati" . Ilm -fan. 332 (6025): 60 –
65. Bibcode :2011Sci...332...60H . doi :10.1126/science.1200970 . PMID 21310967 .
S2CID 206531385 . Olingan 13 aprel 2016 .
2. Breur, T om (July 2016). "Statistical Power Analysis and the contemporary "crisis"
in social sciences" . Journal of Marketing Analytics. 4 (2 –3): 61 –
65. doi :10.1057/s41270 -016 -0001 -3. ISSN 2050 -3318 .
3. boyd, dana; Crawford, Kate (21 September 2011). "Six Provocations for Big
Data" . Social Science Research Network: A Decade i n Internet Time: Symposium
on the Dynamics of the Internet and
Society. doi :10.2139/ssrn.1926431 . S2CID 148610111 .
4. a b v d e f g "Data, data everywhere" . Iqtisodchi. 25 fevral 2010 yil . Olingan 9
dekabr 2012 .
5. "Community cleverness required" . Tabiat . 455 (7209): 1. September
2008. Bibcode :2008Natur.455....1. . doi :10.1038/455001a . PMID 18769385 .
6. Reichman OJ, Jones MB, Schildhauer MP (February 2011). "Challenges and
opportunities of open data in e cology" . Ilm -fan. 331 (6018): 703 –5. Bibcode :2011
yil ... 331..703R . doi :10.1126 /
science.1197962 . PMID 21311007 . S2CID 22686503 .
7. Hellerstein, Joe (9 November 2008). "Parallel Programming in the Age of Big
Data" . Gigaom Blog.
8. Segaran, Tobi; Hammerbacher, Jeff (2009). Beautiful Data: The Stories Behind
Elegant Data Solutions . O'Reilly Media. p. 257. ISBN 978 -0-596 -15711 -1.
9. a b Hilbert M, López P (April 2011). "The world's technological capacity to store,
communicate, and compute information" (PDF) . Ilm -fan. 332 (6025): 60 –
5. Bibcode :2011Sci...332...60H . doi :10.1126/science.1200970 . PMID 21310967 . S
2CID 206531385 .
10. "IBM What is big data? – Bringing big data to the enterprise" . ibm.com . Olingan 26
avg ust 2013 .
11. Reinsel, David; Gantz, John; Rydning, John (13 April 2017). "Data Age 2025: The
Evolution of Data to Life -Critical" (PDF) . seagate.com. Framingham, MA,
US: Xalqaro ma'lumotlar korporatsiyasi . Olingan 2 noyabr 2017 .
12. Oracle and FSN, "Mastering Big Data: CFO St rategies to Transform Insight into
Opportunity" Arxivlandi 2013 yil 4 -avgust Orqaga qaytish mashinasi , 2012 yil
dekabr
13. Jacobs, A. (6 July 2009). "The Pathologies of Big Data" . ACMQueue.
14. Magoulas, Roger; Lorica, Ben (February 2009). "Introduction t o Big Data" . 2.0
versiyasi. Sebastopol CA: O'Reilly Media (11).
15. John R. Mashey (25 April 1998). "Big Data ... and the Next Wave of
InfraStress" (PDF) . Slides from invited talk. Usenix . Olingan 28 sentyabr 2016 .
16. Steve Lohr (1 February 2013). "The Origins of 'Big Data': An Etymological
Detective Story" . The New York Times . Olingan 28 sentyabr 2016

O’ZBEKISTON RESPUBLIKASI OLIY VA O’RTA -MAXSUS TA’LIM VAZIRLIGI SAMARQAND DAVLAT UNIVERSITETI RAQAMLI TEXNOLOGIYALAR FAKULTETI AXBOROT TIZIMLARINI MATEMATIK VA DASTURIY TA’MINOTI YO’NALISHI 310 -guruh talabasi Tohirov Muhriddinning BIG DATA FANIDAN MUSTAQI L ISHI SAMARQAND -2022

Mavzu : Hozir dunyoda katta ma'lumotlarni qayta ishlash texnologiyalari Reja: Kirish……………………………………………………………………………....... 1. Kattta malumotlar haqida tushuncha.......………………………………………... 2. Katta ma'lumotlarni tahlil qilish usullari………………………………………… 3. Katta ma'lumotlarni tahlil qilish texnologiyalari……………………………... .... Xulosa…………………………………………………………………………..... .... Foydalanilgan adabiyotla r………………………………………………………... ...

Kirish Zamonaviy tadqiqot markazlari, moliya institutlari, ijtimoiy tarmoqlar tomonidan ishlab chiqarilgan va to'plangan ma'lumotlar miqdori allaqachon petabaytlarda o'lchanadi . Shunday qilib, 15 millia rddan ortiq rasm allaqachon Facebook ma'lumotlar markazlarida saqlanadi, Nyu -York fond birjasi NYSE har kuni taxminan 1 Tb ma'lumot yaratadi va takrorlaydi, Katta adron kollayderi soniyada taxminan 1 Pb ma'lumot oladi. Shunday qilib, zamonaviy dunyoda kat ta ma'lumotlar yoki Big Data muammosi paydo bo'ldi. IT va biznes sohasidagi jahon yetakchilari doimiy ravishda keladigan katta hajmdagi axborotni boshqarish va tahlil qilish uchun eng yaxshi yechimni qidirmoqda. Ular o'z ixtiyoridagi ma'lumotlardan foydala nish yo'llarini qidirmoqdalar. Katta ma'lumotlar mavzusi amaliy va nazariy nuqtai nazardan qiziqarli. Texnologiyalarning o'zi uzluksiz rivojlanish holatida bo'lib, bu ularni amalga oshirish va takomillashtirish jarayonini real vaqt rejimida kuzatish, shun ingdek, katta ma'lumotlar massivlarini qayta ishlash uchun yangi texnologiyalarni yaratishda bevosita ishtirok etish imkonini beradi. Shuni ham qayd etishni istardimki, Big Data sohasidagi bilim va ko‘nikmalarni kengaytirish biznes informatika yo‘nalishida tahsil olayotgan talabalar uchun ayniqsa dolzarbdir.

Kattta malumotlar haqida tushuncha Katta ma'lumotlarning o'ziga xos xususiyatlarini tavsiflab, ular eslatib o'tgan birinchi narsa 3V: "hajm, xilma -xillik va tezlik" yoki hajm, xilma -xillik va tezlik. Hajmi nafaqat saqlangan ma'lumotlarning katta miqdorini, balki uning qo'shilishi, o'sishi, vaqt o'tishi bilan o'zgarishini ham nazarda tutadi. Axborot turlari va manbalarining xilma -xilligi ularni bitta ma'lumotlar to'plamiga birlashtirishda doim o katta muammo bo'lib kelgan. Bugungi kunda bu xilma -xillik tobora ortib bormoqda. Tezlik axborotni yaratishda ham, uni qayta ishlashda ham baholanadi.Relyatsion ma'lumotlar bazalari ma'lumotlar massivlari bilan ishlashning an'anaviy usuli hisoblanadi. Bi roq, yuzlab terabaytli relyatsion ma'lumotlar bazasi bilan ishlash hali Big Data emas, balki, masalan, "oddiy" yuklangan ma'lumotlar bazasi. Bu holda farq ma'lumotlar bazasi arxitekturasida va DBMS va saqlangan ma'lumotlar o'rtasidagi o'zaro ta'sir mantig' ida yotadi. Relyatsion ma'lumotlar bazalarida ma'lumotlar dispersiv ravishda taqsimlanadi, ya'ni. dastlab o'rnatilgan aniq tuzilma mavjud bo'lib, uning allaqachon ishlaydigan ma'lumotlar bazasida o'zgarishi ko'plab muammolar bilan bog'liq. Shunday qilib, arxitekturasi tufayli relyatsion ma'lumotlar bazalari bir xil turdagi oqimga amal qiladigan qisqa, tezkor so'rovlar uchun eng mos keladi. Murakkab so'rovlar ma'lumotlar bazasi strukturasini qayta qurishni yoki tezlikni oshirish uchun hisoblash quvvatini os hirishni talab qiladi. Bu an'anaviy ma'lumotlar bazalari bilan bog'liq yana bir muammoga, ya'ni ularning kengaytirilishining murakkabligiga ishora qiladi. Shunday qilib, murakkab moslashuvchan so'rovlar bilan ishlash uchun sizga tuzilmagan ma'lumotlarni s aqlash va qayta ishlash imkonini beradigan, kengaytiriladigan va taqsimlangan hisoblashlardan foydalanishga imkon beradigan muhit kerak, bu erda ma'lumotlarni qayta ishlash uchun bitta yuqori unumdorlikli mashina emas, balki butun guruh ishlatiladi. klaste rga birlashtirilgan bunday mashinalar. Ko'pgina katta ma'lumotlar loyihalari juda qorong'i bo'lsa -da, odamlar,

kompaniyalar va hukumatlarning kundalik hayotiga ta'sir ko'rsatadigan katta ma'lumotlarning muvaffaqiyatli namunalari mavjud: Virus epidemiyalar ini bashorat qilish: ijtimoiy -siyosiy ma'lumotlar, ob -havo va iqlim ma'lumotlari va shifoxona ma'lumotlarini o'rganish orqali bu olimlar 4 haftalik oldindan ogohlantiruvchi dag'al isitma epidemiyasini taxmin qilmoqdalar. Homicide Watch: bu katta ma'lumot loyihasi profsoyuz Vashingtondagi qotillik qurbonlari, gumondorlari va jinoyatchilar profilini tashkil qiladi. Ham, marhumni hurmat qilish va odamlar uchun xabardorlik manbai sifatida, bu katta ma'lumot loyihasi ajoyibdir. Tranzitni Sayohat Rejalashtirish , NYC: WNYC radio dasturchisi Stiv Melendez onlayn metro rejasini sayohat sayohati dasturi bilan birlashtirdi. Uning yaratilishi Nyu -Yorkchilar xaritada o'z manzillarini bosish imkonini beradi va poezdlar va metro uchun sayohat vaqtini taxmin qilish mumkin . Xerox ish kuchini yo'qotdi: chaqiriq markazi ishi hissiy jihatdan toliqdi. Xerox professional tahlilchilar yordamida ma'lumotlarni to'plamini o'rganib chiqdi va hozirda ular qaysi chaqiriq markazi ishlayotganini kompaniyaga eng uzoq muddat qolishi mumki nligini taxmin qilishlari mumkin. Terrorizmga qarshi kurashni qo'llab -quvvatlash: Ijtimoiy axborot vositalarini, moliyaviy hisobotlarni, parvozlar buyurtmalarini va xavfsizlik ma'lumotlarini o'rganish orqali huquqni muhofaza qilish organlari terroristik g umondorlarni yovuz ishlarini qilmasdan oldindan aniqlashi va topishi mumkin. Tovarlarni marketingni ijtimoiy media sharhlar asosida tuzish : odamlar ochiq -oydin va tezda pub, restoran yoki fitness klubida onlayn fikrlarini baham ko'rishadi. Ushbu millionl ab ijtimoiy media lavozimlarini o'rganish va kompaniyaga o'zlarining xizmatlariga nisbatan qanday fikrda ekanligi haqida ma'lumot berish mumkin. 1. Ma'lumotlar katta. U bir qattiq diskda , USB xotirasida kamroq mos kelmaydi. Ma'lumotlarning miqdori inson aqliga qanchalik ta'sir qilishi mumkinligini (milliard milliard megabaytni o'ylab, undan keyin milliardlab dollar ko'payishi mumki n) oshib ketadi.

O'xshashlar

Bulutli texnologiyalar. Google Docs bilan hamkorlikda ishlash.

Murakkab tipli fayllarni tasvirlash va qayta ishlash

Pythonda talabalar haqidagi ma’lumotlarni qayta ishlash texnologiyalari

Formalar tashkil qilish va ularni qayta ishlash usullari

Tibbiy soha ekspert tizimlari bilimlar bazasini yaratishda sust strukturali ma’lumotlarni qayta ishlash