رسانه های انتقال داده در شبکه های کامپیوتری

اختصاصی از ژیکو رسانه های انتقال داده در شبکه های کامپیوتری دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 104

رسانه های انتقال داده در شبکه های کامپیوتری

بخش اول :  مفاهیم اولیه امروزه از رسانه های متفاوتی به عنوان محیط انتقال در شبکه های کامپیوتری استفاده می شود که از آنان با نام ستون فقرات در یک شبکه یاد می شود . کابل های مسی،  فیبرنوری و شبکه های بدون کابل نمونه هائی متداول در این زمینه می باشند.

کابل های مسی : از کابل های مسی تقریبا" در اکثر شبکه های محلی  استفاده می گردد . این نوع کابل ها دارای انواع متفاوتی بوده که هر یک دارای مزایا و محدودیت های مختص به خود می باشند . انتخاب مناسب کابل، یکی از پارامترهای اساسی در زمان پیاده سازی یک شبکه کامپیوتری است که بر نحوه عملکرد یک شبکه تاثیر مستقیم خواهد داشت . اطلاعات در کابل های مسی با استفاده از جریان الکتریکی حمل می گردد .

فیبر نوری : فیبر نوری یکی از رسانه های متداول انتقال داده با ویژگی های متعددی نظیر قابلیت ارسال داده در مسافت های طولانی ، ارائه پهنای باند بالا ، انتقال اطلاعات نظیر به نظیر مورد نیاز بر روی ستون فقرات شبکه های محلی  و شبکه های WAN  می باشد . با استفاده از رسانه های نوری ، از نور برای انتقال داده بر روی فیبرهای نازک شیشه ای و یا پلاستیک استفاده می گردد . فرستنده فیبر نوری ، سیگنال های الکتریکی را به سیگنال های نوری تبدیل و در ادامه آنان را بر روی فیبر ارسال می نماید . در نهایت ، دریافت کننده سیگنال های نوری آنان را به سیگنال های الکتریکی تبدیل خواهد کرد .  در کابل های فیبرنوری ، الکتریسته ای وجود نداشته و شیشه استفاده شده در کابل فیبر نوری یک عایق مناسب الکتریکی است .

شبکه های بدون کابل : نوع و نحوه ارتباط فیزیکی عناصر موجود در یک شبکه کامپیوتری می تواند تاثیر مستقیمی در نحوه اشتراک فایل ها ، عملکرد سرویس دهندگان و سرویس های ارائه شده بر روی یک شبکه را به دنبال داشته باشد . در شبکه های سنتی انعطاف لازم برای جابجائی یک کامپیوتر، محدود به ساختمان محل نصب شبکه و نوع رسانه استفاده شده برای محیط انتقال است . با معرفی شبکه های بدون کابل ، امکان ارتباط کامپیوترها در محدوده بیشتری فراهم و سناریوئی دیگر به منظور برپاسازی شبکه های کامپیوتری مطرح گردید. انعطاف شبکه های بدون کابل یکی از مهمترین ویژگی های این نوع شبکه ها محسوب می گردد ، گرچه همچنان این نوع شبکه های دارای چالش هائی در زمینه امنیت و سرعت بالای انتقال داده می باشند .

کابل ها دارای مشخه های متفاوتی می باشند  که اهم آنان عبارتند از : 

سرعت انتقال داده : نرخ انتقال داده از طریق کابل را مشخص  می نماید که یکی از پارامترهای بسیار مهم در شبکه های کامپیوتری است .

نوع انتقال داده : نحوه ارسال اطلاعات ( دیجیتال و یا آنالوگ ) را مشخص می نماید .انتقال اطلاعات به صورت دیجیتال یا Baseband و یا آنالوگ یا Broadband  دارای تاثیری مستقیم بر نحوه ارسال اطلاعات در یک شبکه کامپیوتری است .

حداکثر مسافت انتقال داده : حداکثر مسافت ارسال یک سیگنال  بدون این که تضعیف و یا دچار مشکل گردد را مشخص می نماید .

بخش دوم :  پرسش و پاسخ

سوال یک :چرا در کابل های UTP ،زوج سیم ها بهم تابیده می شوند ؟

ایجاد فضای کافی

ارزان تر شدن کابل ها

نازکتر شدن کابل ها

کاهش نویز و مسائل مرتبط با آن  

مشاهده پاسخ :

پاسخ d

توضیحات :

کابل های UTP از چهار زوج سیم تشکیل می گردند که دو به دو به یکدیگر تابیده می شوند . هر یک از هشت رشته سیم موجود در کابل های UTP ، توسط یک روکش مناسب عایق بندی می شوند . سرعت انتقال داده در این نوع کابل ها با توجه به کیفیت و نوع کابل 10 ، 100و 1000 مگابیت در ثانیه می باشد.

به منظور کاهش نویز و مسائل مرتبط به آن ، زوج سیم ها بهم تابیده می شوند.

سوال دوم : کدامیک از کابل های زیر به منظور اتصال یک روتر به پورت سریال کامپیوتر استفاده می شود؟

یک کابل Console 

یک کابل Cross-Connect 

یک کابل Inverted 

یک کابل Patch

مشاهده پاسخ :

مشاهده پاسخ :

پاسخ a

توضیحات :

پاورپوینت مقدمه ای بر داده کاوی و اکتشاف دانش

اختصاصی از ژیکو پاورپوینت مقدمه ای بر داده کاوی و اکتشاف دانش دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از محتوی متن پاورپوینت : 

تعداد اسلاید : 32 صفحه

مقدمه ای بر داده کاوی و اکتشاف دانش مقدمه امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .
با استفاده ار پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است مقدمه از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند . مفاهیم پایه در داده کاوی در داده کاوی معمولا به کشف الگوهای مفید از میان داده ها اشاره می شود .
منظور از الگوی مفید ، مدلی در داده ها است که ارتباط میان یک زیر مجموعه از داده ها را توصیف می کند و معتبر ، ساده ، قابل فهم و جدید است .
تعریف داده کاوی داده کاوی عبارت است از فرایند استخراج اطلاعات معتبر ، از پیش ناشناخته ، قابل فهم و قابل اعتماد از پایگاه داده های بزرگ و استفاده از آن در تصمیم گیری در فعالیت های تجاری مهم.
اصطلاح داده کاوی به فرایند نیم خودکار تجزیه و تحلیل پایگاه داده های بزرگ به منظور یافتن الگوهای مفید اطلاق می شود داده کاوی یعنی جستجو در یک پایگاه داده ها برای یافتن الگوهایی میان داده ها تعریف داده کاوی داده کاوی یعنی استخراج دانش کلان ، قابل استناد و جدید از پایگاه داده ها ی بزرگ . داده کاوی یعنی تجزیه و تحلیل مجموعه داده های قابل مشاهده برای یافتن روابط مطمئن بین داده ها .
کاربردهای داده کاوی خرده فروشی : از کاربردهای کلاسیک داده کاوی است که می توان به موارد زیر اشاره کرد : تعیین الگوهای خرید مشتریان تجزیه و تحلیل سبد خرید بازار پیشگویی میزان خرید مشتریان از طریق پست(فروش الکترونیکی) کاربردهای داده کاوی بیمه : تجزیه و تحلیل دعاوی پیشگویی میزان خرید بیمه نامه های جدید توسط مشتریان پزشکی : تعیین نوع رفتار با بیماران و پیشگویی میزان موفقیت اعمال جراحی تعیین میزان موفقیت روشهای درمانی در برخورد با بیماریهای سخت کاربردهای داده کاوی بانکداری : پیش بینی الگوهای کلاهبرداری از طریق کارتهای اعتباری تشخیص مشتریان ثابت تعیین میزان استفاده از کارتهای اعتباری بر اساس گروههای اجتماعی مراحل فرایند کشف دانش از پایگاه داده ها انبارش داده ها انتخاب داده ها تبدیل داده ها کاوش در داده ها تفسیر نتیجه انبارش داده ها هدف از فرایند انبارش داده ها

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه ایران پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

پروژه و تحقیق-علم داده کاوی و کاربرد آن در نرم افزار و it- در100 صفحه-docx

اختصاصی از ژیکو پروژه و تحقیق-علم داده کاوی و کاربرد آن در نرم افزار و it- در100 صفحه-docx دانلود با لینک مستقیم و پر سرعت .

داده‌کاوی، پایگاه‌ها و مجموعه‌ حجیم داده‌ها را در پی کشف و استخراج، مورد تحلیل قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.

در سال ۱۹۶۰ آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه داده اصطلاح داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvestingg" یا "Information Discovery" یا"Knowledge Extractionn" نیز بکار رفته‌اند.

مقدمه

بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.

در صورتی که سیستم‌های داده‌کاوی بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانک‌های اطلاعاتی بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان  ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.

ویژگی‌ها

یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین امنیت ملی به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل جابه جایی پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.

داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد. یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را درباره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای طبقه‌بندی تحلیل‌ها و تغییر آنها برخوردار هستند.

بهره‌برداری از داده کاوی در دو بخش دولتی و بخش خصوصی رو به گسترش است.[۱] صنایعی چون بانکداری، بیمه، بهداشت و بازاریابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر  بردن میزان فروش به کار می‌برند. کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش وبهینه‌سازی برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و  دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.

توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند. عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ حریم خصوصی افراد عامل دیگری است که باید به آن توجه داشت.

اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:

• سازمانهای دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟
• آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟
• کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟

کاوش در داده‌ها بخشی بزرگ از سامانه‌های هوشمند است. سامانه‌های هوشمند زیر شاخه‌ای بزرگ و پرکاربرد از زمینه علمی جدید و پهناور یادگیری ماشینی هستند که خود زمینه‌ای در هوش مصنوعی است. فرایند گروه گروه کردن مجموعه‌ای از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.

با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.

کاوش‌های ماشینی در متون حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به زبان‌های طبیعی انسانی باشد.

چیستی

داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:

• قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.
• ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
• پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.
• رده‌بندی یا طبقه‌بندی (Classification): فرایندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.[۲]در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد  استفاده در پیش بینی و رده‌بندی عموماً یکسان هستند.
• خوشه‌بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند
• مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.

برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای  تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verification) را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.

در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDDD به صورت تصاعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه  دانش می‌باشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:

• رشدشبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
• توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
• گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
• و افزایش توانایی به تلفیق داده از منابع غیر متجانس به یک منبع قابل جستجو می‌باشد.

علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقاً قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاوی به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.

محدودیت‌های داده کاوی

در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خر

دانلود طراحی و مدیریت مراکز داده 34 اسلاید

اختصاصی از ژیکو دانلود طراحی و مدیریت مراکز داده 34 اسلاید دانلود با لینک مستقیم و پر سرعت .

دسته بندی : پاورپوینت 

نوع فایل:  ppt _ pptx

( قابلیت ویرایش )

---

 قسمتی از اسلایدر متن پاورپوینت : 

تعداد اسلاید : 34 صفحه

طراحی و مدیریت مراکز دادهData Center Management & Design مهندس محسن زندی و مفاهیم تعاریف مرکز داده محلی برای نگهداری سیستمهای کامپیوتری و تکنولوژی های وابسته مانند سیستمهای ارتباطی و سیستمهای ذخیره سازی اطلاعات است. این مراکز معمولا شامل سیستمهای پشتیبانی تامین منبع؛ پشتیبانی شبکه های ارتباطی و سیستمهای امنیتی مخصوص میباشد.
Data Center for Internet Data Center for Extranet Data Center for Intranet انواع مرکز داده معمولا تمامی انواع بالا در یک مرکز داده قرار میگیرد که از آن به عنوان مرکز داده سازمانی یاد میشود. اصلی ترین کاربرد مرکز داده ارایه خدمات نرم افزاری جهت پیشبرد اهداف سازمان میباشد.
نرم افزارهایی که جهت اریه خدمات به صورت خاص برای یک سازمان (مثلا نیروها نظامی) تهیه میشوند و یا نرم افزارهای آماده مانند ERP، CRM نگهداری Data Base ها و میزبانی فضا برای نرم افزار ها از دیگر کاربردها هستند.
کاربرد مرکز داده شناسایی مشکلات منابع انبار شده تعیین اهداف پیاده سازی برنامه تدوین برنامه کاربرد و ارزیابی پشتیبانی تصمیم گیری جمع آوری و آنالیز تدوین گزینه های جایگزین تحلیل گزینه های جایگزین تصمیم گیری برنامه ریزی مفهومی و استراتژیک بر اساس استاندارد TIA-942 4 لایه برای طراحی مراکز داده پیشنهاد شده که لایه 1 درواقع همان اتاقهای کامپیوتر هستند و لایه 4 پیشرفته ترین مراکز داده میباشند که تمام خصوصیات را در خود جای داده اند. استانداردهای طراحی مرکز داده متدولوژی های طراحی Creative problem solving(حل مساله خلاقانه) Creativity techniques (تکنیکهای خلاق) Design-build(طراحی ساخت) Design for X(طراحی برای X) Design management(مدیریت طراحی) Design thinking(طراحی مفهومی) Engineering design process (فرآیند طراحی مهندسی) Error-tolerant design(طراحی مقاوم دربرابر خطا) Functional design (طراحی عملیاتی) Mind mapping ( طراحی ذهنی) Open design(طراحی باز) Participatory design (طراحی مشارکتی) Reliable system design (طراحی سیستم های قابل اطمینان) TRIZ Universal design (طراحی جهانی) User innovation (طراحی نواورانه) Fault tolerant design Co-Design شرایط طراحی معیارهای اساسی برای طراحی مرکز داده شامل موارد زیر است: محدودیت های فضا محدودیت های بودجه محدودیتهای زمان تخصیص بودجه و پیش بینی آن بسته به نوع آن بسیار متفاوت است ولی عموما طراحی و پیاده سازی مرکز داده به بودجه فراوانی احتیاج دارد. هنگامی که در خصوص طراحی صحبت میشود منظور موارد زیر است: زیرساخت های شبکه (سوییچ ها، ترمینال ها و غیره) طراحی سایت مرکز فرماندهی سقف و کف کاذب کنترلرهای محیطی تامین نیرو شرایط طراحی مرکز فرماندهی کف کاذب فلسفه طراحی مواردی که در طراحی باید مد نظر قرار گیرد پیش رو قرار دادن کل پلان Plan ahead ساده سازی طرح Keep it simple انعطاف پذیری (به علت تغییرات تکنولوژی) Be flexible پیمانه ای فکر کردن Think modular مد نظرقرار دادن بودجه بجای محدودیتهای فیزیکی Use RLUs, not square feet فلسفه طراحی (ادامه) درنظرگرفتن وزن تجهیزات (به علت کف کاذب) Worry about weight استفاده از تجهیزات آلمینیومی به علت مقاومت بالا Use aluminum tiles in the raised floor system نامگذاری تمام

  متن بالا فقط قسمتی از محتوی متن پاورپوینت میباشد،شما بعد از پرداخت آنلاین ، فایل را فورا دانلود نمایید 

---

  لطفا به نکات زیر در هنگام خرید دانلود پاورپوینت:  توجه فرمایید.

• در این مطلب، متن اسلاید های اولیه قرار داده شده است.
• به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
• پس از پرداخت هزینه ،ارسال آنی پاورپوینت خرید شده ، به ادرس ایمیل شما و لینک دانلود فایل برای شما نمایش داده خواهد شد
• در صورت  مشاهده  بهم ریختگی احتمالی در متون بالا ،دلیل آن کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
• در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون پاورپوینت قرار نخواهند گرفت.
  
• هدف فروشگاه پاورپوینت کمک به سیستم آموزشی و رفاه دانشجویان و علم آموزان میهن عزیزمان میباشد. 
  

---

دانلود فایل  پرداخت آنلاین 

تحقیق درباره ی کاربرد کامپیوتر در ریاضی

اختصاصی از ژیکو تحقیق درباره ی کاربرد کامپیوتر در ریاضی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 34

تحلیل داده ها

1- ارقام با معنی:

برای تعیین رقمهای با معنا ، رقمها را از سمت چپ به راست می شماریم. صفرهایی ک قبل از اولین رقم سمت چپ نوشته می شوندجزء رقمهای با معنا به حساب نمی آیند این صفرها به هنگام تبدیل یکاها ظاهر می شوند و تبدیل یکاها نباید تعداد رقمهای با معنا را تغییر دهد

12/6 : سه رقم بامعنی

0010306/0 :پنج رقم با معنی که اولین رقم با معنی یک است.صفرهای قبل از یک با معنی نیستند

20/1 : سه رقم با معنی در صورتیکه صفر با معنی نباشد عدد باید به صورت2/1 نوشته شود

38500 : سه رقم با معنی، چیزی برای اینکه نشان دهد صفرها با معنی هستند یا نه مشخص نیست می توان این ابهام را با نوشتن بصورتهای زیر برطرف کرد:

: هیچکدام از صفرها با معنی نیستند

: یکی از صفرها با معنی است

:هر دو صفر با معنی است

m 040/0 = Cm0 /4=mm40 که هر سه دارای سه رقم با معنی هستند.

2- گرد کردن اعداد:

اگر بخواهیم ارقام عدد 3563342/2 را به دو رقم کاهش دهیم، این عمل را گرد کردن عدد می نامند. برای این منظور باید به رقم سوم توجه کنیم بدین صورت که اگر قم سوم بزرگتر یا مساوی5 باشد رقم دوم به طرف بالا گرد می شود و اگر رقم سوم کوچکتر از 5 باشد رقم دوم به حال خود گذاشته می شود

4/1 3563342/2

62700 62654

108/0 10759/0

3- محاسبات و ارقام با معنی:

می خواهیم سطح مقطع یک استوانه به قطر6/7 را بدست آوریم:

اشکال کار: اگر دقت کنیم محاسبات تا 10 رقم با معنی است اگر از کامپیوتری تا 100 رقم استفاده می کردیم چه؟ در صورتیکه قطر کره تا دو رقم با معنی است بنابراین در اینگونه موارد به نکات زیر توجه می کنیم:

توجه: اگر مجبورید محاسبه ای را که در آن خطای مقادیر مشخص نیست انجام دهید و می بایستی فقط با ارقام با معنی کار کنید به نکات زیر توجه کنید:

الف ) زمانی که اعداد را در هم ضرب و یا بر هم تقسیم می کنید: عددی که با کمترین ارقام با معنی در محاسبه است را شناسایی کنید به حاصل محاسبه همین تعداد ارقام با معنی نسبت دهید

چون 7/3 با دو رقم با معنی است

ب ) زمانی که اعداد را با هم جمع و یا از هم کم می کنید: تعداد ارقام اعشاری عدد حاصل از محاسبه را برابر تعداد کمترین ارقام اعشاری اعداد شرکت داده شده در محاسبه گرد کنید

کمترین اعشار مربوط به1/13 است

مثال: شعاع یک کره5/13 سانتیمتر برآورد شده است. حجم ایمن کره را بدست آورید؟

جواب:

مثال: چگالی کرهای به جرم44/0 گرم و قطر76/4 میلی متر را بدست آورید؟

4- متغیرهای وابسته و مستقل:

به کمیتی که مقدار آن را می توانیم تنظیم نمائیم و یا در طول آزمایش به دلخواه تغییر داده می شود، متغیر مستقل گفته می شود و آنرا به عنوان مختصهx در نمودار می گیریم.

به کمیتی که بر اثر تغییر در متغیر مستقل پیدا می کند، متغیر وابسته گفته می شود و به عنوان مختصهy در نمودار گرفته می شود.

مثلا در آزمایش انبساط طولی میله در اثر حرارت دما متغیر مستقل و طول میله متغیر وابسته می باشد

5- خطا :

تمام اندازه گیریها متاثر از خطای آزمایش هستند.منطور این است که اگر مجبور با انجام اندازه گیریهای پیایی یک کمیت بخوصوص باشیم، به احتمال زیاد به تغییراتی در مقادیر مشاهده شده برخورد خواهیم کرد. گرچه امکان دارد بتوانیم مقدار خطا را با بهبود روش آزمایش و یا بکارگیری روشهای آماری کاهش دهیم ولی هرگز نمی توانیم آن را حذف کنیم.

1-5- خطای دقت وسایل اندازه گیری :

هیچ وسیله اندازه گیری وجود ندارد که بتواند کمیتی را با دقت بینهایت اندازه گیری نماید.بنابراین نادیده گرفتن خطای وسایل اندازه گیری در آزمایش اجتناب ناپذیر است.

اگر اندازه کمیتی که اندازه می گیریم با گذر زمان تغییر نکند، مقدار خطا را نصف کوچکترین درجه بندی آن وسیله در نظر می گیریم.

مثال:

متر کوچکترین درجه mm1 = مقدار خطا

پس اندازه گیریی mm54 را بصورت بیان می کنیم

دما سنج کوچکترین درجه ºC2 = مقدار خطا

پس اندازه گیریی ºC60 را بصورت بیان می کنیم

2-5- خطای خواندن مقدار اندازه گیری:

3-5- خطای درجه بندی وسایل اندازه گیری:

تعریف خطای مطلق: اگر خطا را با همان یکای کمیت اندازه گیری شده بیان نمائیم، به این خطا، خطای مطلق کمیت اندازه گیری گفته می شود

تعریف خطای نسبی: اگر خطا بصورت کسری باشد، به این کسر، خطای نسبی مقدار کمیت اندازه گیری شده گفته می شود

4-5- ترکیب خطاها :

ممکن است در آزمایشی نیاز به یافت چند کمیت، که باید آنها را بعداُ در معادله ای وارد کنیم، داشته باشیم برای مثال ممکن است جرم و حجم جسمی را اندازه بگیریم و سپس نیاز به محاسبه چگالی داشته باشم، که با رابطه زیر تعریف می شود: سوال اینجاست که چه ترکیبی از خطاهای مقادیر m وV ] اندازه خطای را بدست می دهد. بدین منظور سه روش زیر ارائه داده می شود:

الف) روش اول: این روش را با دومثال زیر توضیح می دهیم:

مثال1: قطر سیمی با مقطع دایره ای برابر است با: مطلوب است اندازه سطح سیم و مقدار خطای آن؟

جواب: