loading...

بهترين و سريعترين مرجع دانلود كارآموزي و پروژه و پايان نامه

دانلود پايان نامه و پروژه و كارآموزي در تمامي رشته هاي دانشگاهي

بازدید : 587
11 زمان : 1399:2

تعداد صفحات:37

نوع فايل: word

فهرست مطالب:

مقدمه

تاريخچه

سير تحول داده‏ كاوي

داده، اطلاعات و دانش

جايگاه داده‏ كاوي در سازمان

داده‏ كاوي و ديگر رشته ها

آمار و داده‏ كاوي

نام هاي ديگر داده‏ كاوي

تعاريف داده‏ كاوي

دو ديدگاه در مورد داده‏ كاوي

آماده سازي و پيش پردازش داده‏ ها

ساختار يك سيستم داده‏ كاوي

معيارهاي جذابيت الگو

ارزيابي و به تصوير كشيدن الگوهاي كشف شده

انواع داده‏ كاوي

وظايف داده‏ كاوي

OLTP و OLAP

تعاريف انبار داده

چهار خصوصيت اصلي انبار داده‏ ها

موارد تفاوت پايگاه داده و انبار داده

مزايا و معايب پايگاه داده

فنون داده‏ كاوي

شبكه هاي عصبي

درخت تصميم

قواعد پيوند

نرم افزارهاي داده‏ كاوي

كاربردهاي داده‏ كاوي

محدوديت‌هاي داده‏ كاوي

مشكلات داده‏ كاوي

نمونه‌هاي اجرا شده ي داده‌كاوي

داده‏ كاوي در ايران

متن‏ كاوي

كاربردهاي متن‏ كاوي

فرآيند متن‏ كاوي

روشهاي متن‏ كاوي

وب‏ كاوي

نتيجه‏ گيري

منابع

مقدمه:

دنياي مدرن در واقع دنيايي داده‏ گرا است. ما با داده‏ هاي عددي و غيرعددي در بخشهاي صنعتي، بازرگاني، مديريتي، مالي و علمي احاطه شده‏ ايم. اين داده‏ ها بايد تحليل و پردازش شوند تا تبديل به اطلاعاتي شوند كه آگاهي بخش، آموزش دهنده و پاسخگو باشند يا به شكل ديگري به درك و تصميم‏ گيري ما كمك كنند.

در سال‏ هاي اخير رشد انفجار آميزي از روشها براي اكتشاف دانش جديد از داده‏ هاي خام به وقوع پيوسته است. در پاسخ به اين امر، رشته‏ جديدي از كاوش داده‏ ها موسوم به داده‏ كاوي بطور ويژه گسترش يافته است تا اطلاعات با ارزشي از مجموعه داده‏ هاي عظيم استخراج نمايند.

امروزه فناوري داده‏ كاوي بصورت موضوعي داغ براي تصميم‏ گيران در آمده است، زيرا اين فن، اطلاعات نهفته با ارزش تجاري و علمي را از داده‏ هاي حجيم ذخيره شده استخراج مي‏ كند. با اين وجود، ماهيت داده‏ كاوي فناوري جديدي محسوب نمي‏ شود. استخراج اطلاعات و دانش از داده‏ هاي ذخيره شده يك مفهوم كاملا ديرينه در مطالعات علمي و پزشكي مي‏ باشد. آن چه كه جديد است همگرايي و اشتراك چندين رشته و فناوري‏ هاي متناظر آن‏ ها است كه فرصت منحصر به فردي براي داده‏ كاوي به دنياي علم، تجارت و اقتصاد ايجاد كرده است. اما داده‏ كاوي يا كشف دانش و معرفت از پايگاه داده‏ ها با اين تعريف يك شاخه‏ نسبتا جديد علمي است كه از انجام تحقيقات در رشته هاي آمار، يادگيري ماشين، علوم رايانه (به ويژه پايگاه داده‏ ها) شكل گرفته است. در حالي كه مرزهاي اين رشته‏ ها در داده‏ كاوي مبهم است، ولي مي‏ توان گفت كه مهم ترين اين رشته ها آمار مي‏ باشد بطوريكه بدون آمار داده‏ كاوي مفهومي نخواهد داشت. با وجود اينكه داده‏ كاوي يك رشته‏ نسبتا جديد علمي مي‏ باشد و كاربردهاي متنوع و گسترده اي در رشته هايي مانند بازرگاني، پزشكي، مهندسي، علوم رايانه، صنعت، كنترل كيفيت، ارتباطات و كشاورزي پيدا كرده است. امروزه مرز و محدوديتي براي دانش داده‏ كاوي متصور نيست و مرز آن را از اعماق اقيانوس ها تا بيكران فضا مي‏ دانند. به عبارت ديگر كاربرد دانش داده‏ كاوي در تمامي حوزه هاي برخوردار از داده بوده و تنها محدوديت دانش داده‏ كاوي نبود داده است.

بازدید : 538
11 زمان : 1399:2

تعداد صفحات:81
نوع فايل:word
فهرست مطالب:
چكيده
فصل1 – مقدمه اي بر داده كاوي
تعريف داده كاوي
تاريخچه داده كاوي
چه چيزي سبب پيدايش داده كاوي شده است؟
اجزاي سيستم داده كاوي
جايگاه داده كاوي در ميان علوم مختلف
قابليت هاي داده كاوي
چرا به داده كاوي نياز داريم؟
داده كاوي چه كارهايي نميتواند انجام دهد؟
كاربردهاي داده كاوي
كاربردهاي پيش بيني كننده
كاربردهاي توصيف كننده
ابزارهاي تجاري داده كاوي
داده كاوي و انبار داده ها
تعاريف انبار داده
چهار خصوصيت اصلي انبار داده
موارد تفاوت انبار داده و پايگاه داده
داده كاوي و OLAP
OLAP
انواع OLAP
مراحل فرآيند كشف دانش از پايگاه داده ها
انبارش داده ها
انتخاب داده ها
پاكسازي، پيش پردازش و آماده سازي
تبديل داده ها
كاوش در داده ها (Data Mining)
تفسير نتيجه
فصل 2 – قوانين ارتباطي
قوانين ارتباطي
اصول پايه
شرح مشكل جدي
پيمايش فضاي جستجو
مشخص كردن درجه حمايت مجموعه اقلام
الگوريتم هاي عمومي
دسته بندي
BFS و شمارش رويدادها
BFS و دونيم سازي TID-list
DFS و شمارش رويداد
DFS و دو نيم سازي TID-list
الگوريتم Apriori
مفاهيم كليدي
پياده سازي الگوريتم Apriori
معايب Apriori و رفع آن ها
الگوريتم رشد الگوي تكرار شونده
چرا رشد الگوي تكرار سريع است؟
مقايسه دو الگوريتم Apriori و FP-growth
تحليل ارتباطات
فصل 3 – وب كاوي و متن كاوي
وب كاوي
الگوريتم هاي هيتس و لاگسام
كاوش الگوهاي پيمايش مسير
متن كاوي
كاربردهاي متن كاوي
جستجو و بازيابي
گروه بندي و طبقه بندي
خلاصه سازي
روابط ميان مفاهيم
يافتن و تحليل گرايشات
برچسب زدن نحوي (pos)
ايجاد Thesaurus و آنتولوژي به صورت اتوماتيك
فرآيند متن كاوي
روش هاي متن كاوي
مراجع

فهرست اشكال:
مراحل فرآيند كشف دانش
سير تكاملي صنعت پايگاه داده
معماري يك نمونه سيستم داده كاوي
نرخ رشد اطلاعات
كاربرد پيش بيني كننده
داده ها از انبار داده ها استخراج ميگردند
داده ها از از چند پايگاه داده استخراج ميگردند
دسته بندي الگوريتم ها
پايان الگوريتم Apriori
درخت الگوي تكرار
اندازه گيري كاركرد درجه حمايت براي پايگاه داده D1 40K
اندازه گيري Apriori با درجه حمايت/تراكنش
اندازه گيري FP-growth با درجه حمايت/تراكنش
مقداردهي اوليه الگوريتم HITS
مثالي از الگوهاي پيمايش
فرآيند متن كاوي
مثال يافتن روابط

فهرست جداول:
كاوش FP-tree با ايجاد پايگاه هاي الگو شرطي
پارامترها
نتايج براي فاكتور درجه حمايت 5%
نتايج براي D1 150K با درجه حمايت
تراكنشهاي توصيف شده توسط مجموعه اي از URLها
نمايش URLها بعنوان بردارهايي از فعاليت گروه تراكنش
يك SOM مرسوم كه توسط توصيف URLها توليد شده است

چكيده:
در دو دهه قبل توانايي هاي فني بشر براي توليد و جمع آوري داده‌ها به سرعت افزايش يافته است. عواملي نظير استفاده گسترده از باركد براي توليدات تجاري، به خدمت گرفتن كامپيوتر در كسب و كار، علوم، خدمات دولتي و پيشرفت در وسائل جمع آوري داده، از اسكن كردن متون و تصاوير تا سيستم هاي سنجش از دور ماهواره اي، در اين تغييرات نقش مهمي دارند.
به طور كلي استفاده همگاني از وب و اينترنت بعنوان يك سيستم اطلاع رساني جهاني ما را مواجه با حجم زيادي از داده و اطلاعات ميكند. اين رشد انفجاري در داده‌هاي ذخيره شده، نياز مبرم وجود تكنولوژي هاي جديد و ابزارهاي خودكاري را ايجاد كرده كه بصورت هوشمند به انسان ياري رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل كند. داده كاوي بعنوان يك راه حل براي اين مسائل مطرح ميباشد. در يك تعريف غير رسمي داده كاوي فرآيندي است، خودكار براي استخراج الگوهايي كه دانش را بازنمايي ميكنند، كه اين دانش بصورت ضمني در پايگاه داده هاي عظيم، انباره داده و ديگر مخازن بزرگ اطلاعات، ذخيره شده است.
به لحاظ اين كه در چند سال اخير مبحث داده كاوي و اكتشاف دانش موضوع بسياري از مقالات و كنفرانس ها قرار گرفته و نرم افزارهاي آن در بازار به شدت مورد توجه قرار گرفته، از اين رو در مقاله سعي بر آن شده تا گذري بر آن داشته باشيم.
در اين مقاله در فصل اول مروري بر داده كاوي خواهيم داشت. كه بطور عمده به تاريخچه، تعاريف، كاربردها و ارتباط آن با انبار داده و OLAP خواهيم پرداخت. در پايان فصل مراحل فرآيند كشف دانش از پايگاه داده ها را ذكر كرديم كه داده كاوي يكي از مراحل آن است.
در فصل 2 يكي از شيوه هاي داده كاوي كه از سبد خريد گرفته شده است توضيح داده شده است. در اين فصل به شرح قوانين ارتباطي خواهيم پرداخت كه در آن بعد از دسته بندي الگوريتم ها، الگوريتم Apriori (كه يك الگوريتم پايه در اين زمينه است) و الگوريتم FP-Growth (يك الگوريتم جديد مي باشد) را با شرح يك مثال توضيح ميدهيم و در آخر آن دو را با هم مقايسه ميكنيم.
در فصل 3 مباحث وب كاوي و متن كاوي را كه در بسياري از مراجع جزء كاربردهاي داده كاوي به حساب مي آيد شرح داده خواهد شد.

مقدمه:
امروزه با گسترش سيستم‌هاي پايگاهي و حجم بالاي داده‌هاي ذخيره شده در اين سيستم‌ها، نياز به ابزاري است تا بتوان داده‌هاي ذخيره شده را پردازش كرد و اطلاعات حاصل از اين پردازش را در اختيار كاربران قرار داد.
با استفاده از پرسشهاي ساده در SQL و ابزارهاي گوناگون گزارش‌گيري معمولي، ميتوان اطلاعاتي را در اختيار كاربران قرار داد تا بتوانند به نتيجه‌گيري در مورد داده‌ها و روابط منطقي ميان آن ها بپردازند. اما وقتي كه حجم داده‌ها بالا باشد، كاربران هرچند زبر دست و باتجربه باشند نمي‌توانند الگوها مفيد را در ميان حجم انبوه داده‌ها تشخيص دهند و يا اگر قادر به اين كار هم باشند، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است. از سوي ديگر، كاربران معمولاً فرضيه‌اي را مطرح مي‌كنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه ميپردازند، در حالي كه امروزه نياز به روش هايي است كه اصطلاحاً به كشف دانش بپردازند يعني با كمترين دخالت كاربر و به صورت خودكار الگوها و رابطه‌هاي منطقي را بيان نمايند.
داده كاوي يكي از مهم ترين اين روش ها است كه به الگوهاي مفيد در داده‌ها با حداقل دخالت كاربران شناخته ميشوند واطلاعاتي را در اختيار كاربران و تحليل گران قرار ميدهند تا براساس آن تصميمات مهم و حياتي در سازمان ها اتخاذ شوند.
اصطلاح داده كاوي زماني به كار برده ميشود كه با حجم بزرگي از داده‌ها، در حد مگا يا ترابايت، مواجه باشيم. در تمامي منابع داده كاوي بر اين مطلب تاكيد شده است. هرچه حجم داده‌ها بيشتر و روابط آن ها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشكل تر ميشود و نقش داده كاوي به عنوان يكي از روشهاي كشف دانش، روشن‌تر ميگردد.
داده كاوي به طور همزمان از چندين رشته علمي بهره ميبرد نظير: تكنولوژي پايگاه داده، هوش مصنوعي، يادگيري ماشين، شبكه‌هاي عصبي، آمار، الگو، سيستم‌هاي مبتني بر دانش، حصول دانش، بازيابي اطلاعات، محاسبات سرعت بالا و بازنمايي بصري داده.

بازدید : 591
11 زمان : 1399:2

تعداد صفحات:253
نوع فايل:word
فهرست مطالب:
ﻣﻘﺪﻣﻪ اي ﺑﺮ ﭘﺎﻳﮕﺎه داده اوراﻛﻞ g‪10‬
‫اﺛﺮ ﺟﻮ اﻗﺘﺼﺎدي ﺑﺮ ﻫﺰﻳﻨﻪ ﺗﻜﻨﻮﻟﻮژي
ﻳﻜﭙﺎرچگي
ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي ﺳﺨﺖ اﻓﺰار
ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي داده ﻫﺎ از دﻳﺪ ﻳك ﺷﺮﻛﺖ ﻣﻌﻤﻮلي
‫ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي ﺑﺮﻧﺎﻣﻪ ﻫﺎي ﻛﺎرﺑﺮدي
Grid‬در ﭘﺎﻳﮕﺎه داده اوراﻛﻞ 10g
‫اﻧﺒﺎر داده ﭼﻴﺴﺖ؟‬
ﭼﺮا ﺑﻪ ﻳك اﻧﺒﺎر داده ﻧﻴﺎز دارﻳﺪ؟‬
‫ﭼﺸﻢ اﻧﺪاز تاريخي
ﻇﻬﻮر اﻧﺒﺎر داده
از ﻣﺪل سازي ارﺗﺒﺎط – موجوديت (E-R)استفاده نكنيد
ﻣﺪل ﺳﺎزي اﺑﻌﺎد‬
ﺟﺪول حقيقي
ﺟﺪول اﺑﻌﺎدي (ﭼﻨﺪ ﺑﻌﺪي)
ﻛﻠﻴﺪ ﻫﺎي ﻣﺨﺰن
ﭘﻴﻜﺮ ﺑﻨﺪي ﻫﺎي ﺳﺨﺖ اﻓﺰار ﺑﺮاي ﻳك اﻧﺒﺎر‬
معماري سرويس دهنده
معماري پايگاه داده اراكل
فصل دوم : ابزار هاي انبار اراكل
كدام ابزار
سازنده انبار اوراكل يا OWB
تنظيم سازنده انبار
مشتري سازنده انبار اراكل
اهداف و منابع داده ها
تعريف جداول موجود در انبار داده هايمان
ايجاد ابعاد
ايجاد يك مكعب
تعريف منبع براي هدف نقشه كشي ها
تاييد طرح
ايجاد طرح
استقرار طرح
كاشف اراكل
چرا Discoverer؟
تنظيم محيط
پرس و جو با استفاده از Plus Discoverer:
گزارشات اراكل 10g
ايجاد يك گزارش با استفاده از سازنده گزارش
مثال هاي بيشتر از گزارش هاي اراكل
انتشار گزارش
خلاصه
فصل سوم : انبار داده و وب
بررسي بيشتر
اينترنت و اينترانت
نرم افزار اراكل براي انبار داده
سرور كاربردي اراكل 10g
چرا يك پرتال تنظيم ميكنند؟
پرتال AS Oracle
Discoverer
انتشار يك پورت لت
ايجاد گزارش استاتيك
خصوصي سازي اراكل
انبار داده ها و هوشمندي تجارت الكترونيكي
فصل چهارم: OLAP
چرا نياز به انتخاب اراكل OLAP داريم؟
كاربردهاي OLAP
ROLAP و MOLAP
اراكل OLAP
معماري اراكل OLAP
فضاهاي كاري آناليزي
مدل چند بعدي
ايجاد فضاي كاري آناليزي
تعريف متاداده OLAP براي شماي رابطه اي
ديدگاه هاي متاداده OLAP و ارزيابي آن
مدير فضاي كاري آناليزي
ايجاد ويزارد فضاي كاري آناليزي
تجديد فضاي كاري آناليزي
ايجاد يك طرح تجمعي
فعال سازهاي فضاي كاري آناليزي
پرس وجوي فضاهاي كاري آناليزي
DML OLAP
بسته DBMS-AW
دسترسي SQL به فضاي كاري آناليزي
OLAP API و اجزاء BI
خلاصه
فصل پنجم : داده كاوي اراكل
داده كاوي در پايگاه داده اوراكل g10
روش هاي داده كاوي اوراكل
قوانين پيوستگي
گروه بندي
استخراج ويژگي
طبقه بندي
بازگشت
استاندارد PMML
فرمت داده
آماده سازي داده
استفاده از واسط هاي داده كاوي اوراكل
نصب و پيكربندي
روند آناليز داده كاوي
مثالي با استفاده از جاوا API
مثال استفاده از روال هاي PL/SQL
خلاصه
فصل ششم: قابليت دسترسي بالا و انبار داده
مقدمه
يك سيستم با قابليت دسترسي بالا چيست؟
ويژگي هاي يك سيستم با قابليت دسترسي بالا
نقش بهترين تجربيات عملكردي
مرور اجمالي پايگاه داده اوراكل 10g با ويژگي قابليت دسترسي بالا
حفاظت در برابر نقص هاي سخت افزاري/ نرم افزاري
گروه هاي با عملكرد حقيقي (RAC)
ذخيره سازي مطمئن
آشكار سازي و نمايش خط:
مديريت منابع
حفاظت در برابر فقدان داده
بازيابي از نقص(خطا) متوسط
بازيابي از خطاهاي انساني با استفاده از flash back:
بازيابي خطا بوسيله گارد يا نگهبان داده
معماري حداكثر قابليت دسترسي اوراكل
حفاظت متا داده
مديريت زمان برنامه ريزي شده
پيكربندي مجدد نمونه پويا
حفظ آنلاين
تعريف مجدد آنلاين:
ارتقاء درجه
مديريت طول عمر اطلاعات
خلاصه
ضميمه

فهرست شكل ها:
سازنده انبار- مراحل تنظيم يا به راه اندازي
ميز فرمان مشتري OWB
سازنده انبار- ايجاد يك مدول
سازنده انبار- ايجاد يك منبع پايگاه داده اراكل
سازنده انبار- اهداف و منابع داده هاي تعريف شده
سازنده انبار- ورود جدول
سازنده انبار- به طور دستي جدول را تعريف كنيد
سازنده انبار- سلسله مراتب بعد
سازنده انبار- ايجاد مكعب
ويرايش گر نقشه
ويرايشگر نقشه كشي همراه با اتصالات
جستجوي كليد محصول
فيلترسازي داده هاي منبع
تاييد طرح
ايجاد طرح
رمز ايجاد شده توسط سازنده انبار اراكل
مدير استقرار
مديريت استقرار- گزارش پيش استقراري
بخش مدير كار،اهداف OWB استقرار يافته را نشان مي دهد
وضعيت مدير استقرار (Deployment Manager)
پيكربندي طرح فيزيكي
Discoverer و Oracle Portal
Viewer Discoverer- اجراي پرس و جوي ما
Viewer Discoverer- فهرست فروش كشور Category sales by Country
Viewer Discoverer
Viewer Discoverer-Drill Drown
Administrator Discoverer- ايجاد يك EUL
Administrator Discoverer- انتخاب شِما
Administrator Discoverer- انتخاب جدول و ديدگاه ها
Administrator Discoverer- اتصالات خودكار
مدير- نام گذاري ناحيه تجاري
Administrator Discoverer- فهرست كار
Administrator Discoverer- تنظيم ناحيه تجاري
Administrator Discoverer- تغيير جزئيات آيتم
Administrator Discoverer- ايجاد يك آيتم محاسبه شده
Administrator Discoverer= تعريف اتصال
Administrator Discoverer (مدير كاشف)- تعريف سلسله مراتب
Administrator Discoverer- كلاس آيتم
Administrator Discoverer (مدير كاشف)- خلاصه سازي
Administrator Discoverer- تجديد خلاصه
Administrator Discoverer- ويزارد خلاصه
مدير- اجازه دسترسي به ناحيه تجاري
مدير كاشف (administrator Discoverer)- ناحيه تجاري
Plus Discoverer- فهرستي از پايگاه داده ها براي اتصال
Plus Discoverer – استفاده از كتاب كاري
Plus Discoverer- انتخاب داده براي نمايش
Plus Discoverer- آرايش جدول
Plus Discoverer- گزينه هاي پرس و جو
Plus Discoverer- عنوان هاي فرمت
Plus Discoverer- انواع داده ها
Plus Discoverer- تعريف كل ها
Plus Discoverer- گزارش
Plus Discoverer- بازرس SQL
Plus Discoverer- Drill up/down داده
Plus Discoverer- گزارش در سطح ماهانه
Plus Discoverer ويزارد نمودار
Plus Discoverer- نمودار فروش هاي سالانه
Plus Discoverer- انتخاب داده هاي خاص
Plus Discoverer- گزارش با استفاده از شرايط
گزارشات اراكل- انتخاب وسيله گزارش
انتخاب شيوه گزارش و عنوان
گزارشات اراكل- انتخاب منبع داده ها
گزارشات راكل- مشخص سازي پرس و جو SQL
گزارشات اراكل- استفاده از سازنده پرس و جو
گزارشات اراكل- ستون ها براي نمايش
گزارشات اراكل- محاسبه كل ها
گزارشات اراكل- مشخص سازي عرض هاي ستون
گزارشات اراكل- گزارش نهايي
گزارشات اراكل- گزارش ماتريس
گزارشات اراكل- گزارش شرطي
sign in شدن به پرتال Oracle AS
پرتال Oracle AS- نمايش استاندارد
يك نگاه كلي به پرتال Oracle AS
ايجاد يك صفحه وب EASYDW در پرتال AS Oracle
پرتال EASYDW
مديريت سرور كاربردي اراكل 10g
ايجاد يك اتصال عمومي
مشخص سازي جزئيات پورت لت
استفاده از نوارها براي آغازيك گزارش استاتيك
معماري پايگاه داده اراكل 10g OLAP
پايه سطح در برابر جدول بعد والديني- فرزندي
نسخه مفهومي متغير
ابعاد در مديركاري اراكل
ويرايش گزينه هاي OLAP براي يك بعد
متاداده CWM براي بعد
ايجاد معكب در مديركاري اراكل
اضافه شدن ابعاد به مكعب
يك واحد اندازه گيري را به مكعب اضافه كنيد
تعريف تجمعات براي مكعب
مدير فضاي كاري آناليزي- ديدگاه كاتالوگ OLAP
مدير فضاي كاري آناليزي- ديدگاه هدف
ايجاد ويزارد فضاي كاري آناليزي- نام گذاري فضاي كاري آناليزي
انتخاب مكعب براي فضاي كاري آناليزي
انتخاب گزينه هاي ساخت براي فضاي كاري آناليزي
گزينه هاي ذخيره سازي پيشرفته و نامگذاري
اسكريپت ايجاد فضاي كاري آناليزي را در يك فايل ذخيره سازيد
ايجاد فضاي كاري آناليزي در پيشرفت
فضاي كاري آناليزي در ديدگاه كاتالوگ OLAP
ايجاد يك بعد مركب
اضافه كردن ابعاد به يك تركيب
مشخص سازي ترتيب ابعاد در يك تركيب
مشخص سازي اندازه هاي segment وترتيب بعد
فضاي كاري آناليزي- منوي راست كليك
تجديد فضاي كاري آناليزي- انتخاب مكعب ها
تجديد فضاي كاري آناليزي- انتخاب ابعاد
تجديد فضاي كاري آناليزي در پيشرفت
ويزارد طرح تجمعي- انتخاب اندازه تجمع
انتخاب سطوح براي تجمع
مرور طرح تجمعي
دسترسي به فضاي كاري آناليزي
كاربرگ OLAP در مدير فضاي كاري اوراكل
قوانين پيوستگي
گروه بندي
طبقه بندي
ماتريس اختلال
استفاده از آناليز ارتقاء براي اعلان هاي هدفمند
درخت تصميم گيري شبكه تطبيقي Bayes
فرمت هاي جدول براي داده كاوي
ويژگي هاي قابليت دسترسي بالاي پايگاه داده اوراكل 10g
پيكربندي گارد داده
صفحه مديريت كنترل شبكه
تنظيم پيكربندي گارد داده
اضافه كردن يك پايگاه داده ي جانشين
انتخاب نوع back up
مشخص سازي گزينه هاي پشتيباني
مشخص سازي Oracle Home براي جانشين
مشخص سازي موقعيت هاي فايل جانشين
مشخص نمودن پيكربندي جانشين
فرايند ايجاد جانشين
پيكربندي گارد داده
نمايش عملكرد گارد داده
عملكرد switchover
switchover كامل
ساختار با حداكثر قابليت دسترسي
سياست هاي مديريت ذخيره سازي برطبق رده داده ها

‫1.1 ﻣﻘﺪﻣﻪ اي ﺑﺮ ﭘﺎﻳﮕﺎه داده اوراﻛﻞ g‪10‬
‫1-1-1 اﺛﺮ ﺟﻮ اﻗﺘﺼﺎدي ﺑﺮ ﻫﺰﻳﻨﻪ ﺗﻜﻨﻮﻟﻮژي
‫يكي از ﭼﺎل شهاي ﻋﺼﺮ ﺣﺒﺎبي اﻣﺮوز ‪ post-dot-com‬ﻛﻪ ﺑﺴﻴﺎري از ﺳﺎزﻣﺎن ها ﺑﺎ آن ﻣﻮاﺟﻪ ميشوند اﻳﻦ‬اﺳﺖ ﻛﻪ اﻧﺘﻈﺎر ميرود ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﺒﻮد ﺳﻮد و زﻳﺎن ﺷﺮﻛﺖ ﺑﺪون ﻫﻴﭻ ﺑﻮدﺟـﻪ ﻳـﺎ ﺑـﺎ ﺑﻮدﺟـﻪ كمي ﻣﺤـﺼﻮل‬ ﺑﻴﺸﺘﺮي را اراﺋﻪ دﻫﻨﺪ. ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﺑﻪ دﻧﺒﺎل روش هاي ﺟﺪﻳﺪي ﺑﺮاي ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎي ﺗﻜﻨﻮﻟـﻮژي ﺑﺎﺷـﻴد ‫در ﺣﺎلي كه در ﻫﻤﺎن زﻣﺎن از ﺗﻘﺎﺿﺎﻫﺎي ﺟﺪﻳﺪ و ﺑﻬﺒﻮد ﺑﻬﺮه وري ﺣﻤﺎﻳﺖ ﻛﻨﻴﺪ .‬ﺑﻌﻼوه ﺑﻪ دﻧﺒﺎل رﺳﻮايي ﻫﺎي اﺧﻴﺮ ﺣﺴﺎﺑﺪاري شركت ها ﻗﻮاﻧﻴﻦ ﺟﺪﻳﺪي ﺗﺪوﻳﻦ ﺷﺪ ﺗﺎ ﻣﺴﺌﻮﻟﻴﺖ ﺷـﺮكت ها را ﺑﺎﻻ و ﺑﺒﺮد اﻓﺸﺎ ﺳﺎزي ﻣﺎلي را ﺑﻬﺒﻮد ﺑﺨﺸﺪ و ﺑﺎ ﺟﺮاﺋﻢ ﻣـﺎلي ﺷـﺮﻛﺖ ﻣﺒـﺎرزه ﻛﻨـﺪ. ‪ Sarbanes-Oxle ﺑـﻪ ‬ﺷﺮكتها اﻣﺮ ميكند ﺗﺎ ﻛﻨﺘﺮل ﺟﺎمعي ﺑﺮ ﻣﺪﻳﺮﻳﺖ داﺷﺘﻪ ﺑﺎﺷﻨﺪ و اﻃﻼﻋﺎت ﻣﺎلي ﺷﺮﻛﺖ را ﮔﺰارش ﻛﻨﻨﺪ و ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻛﻨﺘﺮل ها ﻣﺴﺌﻮليت هايي را ﺑﺮروي ﻣﺪﻳﺮ ﻋﺎﻣﻞ و ﻣﺪﻳﺮ ارﺷﺪ ﻗﺮار ميدهد.اﻳﻦ ﻋﻤﻞ ﺑﻪ ﻧﻮﺑﻪ ﺧﻮد ﻧﻴﺎزﻫﺎي ﺟﺪﻳﺪي را ﺑﺮ ﺳﺎزﻣﺎن IT ﺗﺤﻤﻴﻞ ميكند.‬ ﺑﻨﺎﺑﺮاﻳﻦ ﭼﮕﻮﻧﻪ ﻗﺎدرﻳﺪ ﻫﺰﻳﻨﻪ ﻫﺎ را ﻗﻄﻊ و در ﻫﻤـﺎن زﻣـﺎن دﻳـﺪﮔﺎه كلي از اﻃﻼﻋـﺎت ﻣﻬـﻢ ﺗﺠـﺎري را‬ ﮔﺴﺘﺮش دﻫﻴﺪ؟ ﭼﮕﻮﻧﻪ ميتوانيد از اﻃﻼﻋﺎﺗﺘﺎن ﺑﺮاي اﺳﺘﻔﺎده ﺑﻬﺘـﺮ از ﻓﺮضت هاي ﺑﺮاﺑـﺮ ﺗـﺎﺛﻴﺮ اﺟـﺮا ﺑﻬﺒـﻮد ‫ﺗﺼﻤﻴﻢ ﮔﻴﺮي ﺑﺪﺳﺖ آوردن ﻣﺮز رﻗﺎﺑﺖ اﻓﺰاﻳﺶ ﺳﻮد و ﺗﻬﻴﻪ ﮔﺰارش مالي ﺑﻬﺮه ﺑﺒﺮﻳﺪ؟‬

تعداد صفحات : 153

درباره ما
موضوعات
آمار سایت
  • کل مطالب : 1532
  • کل نظرات : 0
  • افراد آنلاین : 6
  • تعداد اعضا : 3
  • بازدید امروز : 162
  • بازدید کننده امروز : 1
  • باردید دیروز : 77
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 2013
  • بازدید ماه : 241
  • بازدید سال : 13862
  • بازدید کلی : 1168722
  • <
    آرشیو
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی