გთხოვთ, გამოიყენოთ ეს იდენთიფიკატორი ამ ერთეულის ციტირებისთვის ან ბმულისთვის:
https://openscience.ge/handle/1/1603
სათაური: | მონაცემთა მოძიების მეთოდები SQL- ის რესურსების გამოყენებით | ავტორები: | შავკაციშვილი, ჯულია | ხელმძღვანელი: | არჩუაძე, მაია | ხარისხის სახელი: | Master of Information Technology მაგისტრი ინფორმაციულ ტექნოლოგიებში |
სასწავლო პროგრამის სახელი: | ინფორმაციული ტექნოლოგიები. Information Technology | განათლების საფეხური (0 - საბაკალავრო, 1 - სამაგისტრო, 2 - სადოქტორო ან პოსტსადოქტორო): | 1 | დაწესებულება: | Ivane Javakhishvili Tbilisi State University ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტი |
ფაკულტეტი: | Faculty of Exact and Natural Sciences ზუსტ და საბუნებისმეტყველო მეცნიერებათა ფაკულტეტი |
საკვანძო სიტყვები: | SQL Server Data mining k-საშუალოს კლასტერზაცია გადაწყვეტილებათა მიღების ხეები |
გამოცემის თარიღი: | 2019 | გამომცემელი: | Ivane Javakhishvili Tbilisi State University ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტი |
რეზიუმე: | SQL Server has been a leader in predictive analytics since the 2000 release, by providing data mining in Analysis Services. SQL Server Data Mining provides an integrated platform for predictive analytics that encompasses data cleansing and preparation, machine learning, and reporting. SQL Server Data Mining includes multiple standard algorithms, including EM and K-means clustering models, neural networks, logistic regression and linear regression, decision trees, and naive bayes classifiers. All models have integrated visualizations to help you develop, refine, and evaluate your models. Today there are many algorithms and methods used for analysis of data. The main problem is to find a suitable algorithm for data retrieval in case of a particular problem. The work is examined and analyzed by the factors influencing the selection of the algorithm. Master's thesis may be useful for scientific workers, teachers, doctoral students, graduate students, bachelors and students of higher education institutions. Its main conclusions can be used to conduct further studies in various organizations, as well as in pedagogic practice. SQL Server, ლიდერი პროგნოზირებად ანალიტიკაში 2000 წლიდან, უზრუნველყოფს მონაცემთა მოძიებას ანალიზში. SQL Server Data Mining წარმოადგენს ინტეგრირებლ პლატფორმას ანალიტიკაში, რომელიც მოიცავს მონაცემთა წმენდას და მომზადებას, მანქანურ სწავლებას და ანგარიშგებას. SQL Server Data Mining მოიცავს სხვადასხვა ალგორითმებს, მათ შორის EM (მონაცემთა მაქსიმიზაციის ალგორითმი) და K-საშუალოს კლასტერიზაციის მოდელებს, ნეირონულ ქსელებს, ლოჯისტიკურ და ხაზოვან რეგრესიას, ბაიესის კლასიფიკატორებს. ყველა მათგანს აქვს ინტეგრირებული ვიზუალი, რაც გვეხმარება მოდელების შემუშავებაში, დახვეწასა და შეფასებაში. დღეისათვის არსებობს მრავალი ალგორითმი და მეთოდი, რომელიც გამოიყენება მონაცემთა ანალიზისთვის. ძირითადი პრობლემა სპეციფიური პრობლემის შემთხვევაში მონაცემთა ამოღებისათვის შესაფერისი ალგორითმის პოვნაა. ნაშრომში გამოკვლეული და გაანალიზებულია ის ფაქტორები, რომლებიც ზეგავლენას ახდენს შესაბამისი ალგორითმის შერჩევაზე. სამაგისტრო ნაშრომი შეიძლება სასარგებლო იყოს სამეცნიერო მუშაკებისათვის, პედაგოგებისათვის, დოქტორანტებისათვის, მაგისტრანტებისათვის, ბაკალავრებისათვის და უმაღლესი სასწავლო დაწესებულებების სტუდენტებისათვის. მისი ძირითადი დასკვნები შეიძლება სხვადასხვა ორგანიზაციების შემდგომი კვლევების ჩატარებისას, აგრეთვე პედაგოგიურ პრაქტიკაში იქნეს გამოყენებული. |
URI: | https://openscience.ge/handle/1/1603 |
ჩანს კოლექციებში: | ზუსტ და საბუნებისმეტყველო მეცნიერებათა ფაკულტეტი (დისერტაციები, სამაგისტრო ნაშრომები) |
ფაილები ამ ერთეულში:
ფაილი | აღწერა | ზომა | ფორმატი | |
---|---|---|---|---|
MA Thesis Shavkacishvili Julia.pdf | მონაცემთა მოძიების მეთოდები SQL- ის რესურსების გამოყენებით | 972.37 kB | Adobe PDF | დათვალიერება-გახსნა |
CORE Recommender
გვერდის დათვალიერება
208
checked on Jul 22, 2024
გადმოწერა
325
checked on Jul 22, 2024
Google ScholarTM
გადამოწმება
ერთეულები ციფრულ საცავში დაცულნი არიან საავტორო უფლებით, ყველა უფლების დაცვით, თუ სხვაგვარი რამ არაა მითითებული.