W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I
|
|
- Sabina Krzemińska
- 5 lat temu
- Przeglądów:
Transkrypt
1 W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I
2 W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I PRACA MAGISTERSKA Piotr MACIEJEWSKI Numer albumu 2393 Autonormalizujące się bazy danych Promotor: dr hab. Michał GRABOWSKI profesor WWSI
3 CEL PRACY Opracowanie i przetestowanie metody służącej do automatyzacji procesu normalizacji relacyjnych baz danych, wykorzystującej w swoim działaniu wykryte zależności funkcyjne zachodzące pomiędzy atrybutami tabel.
4 OBSZAR DZIAŁANIA
5 Administracja publiczna Instytucje naukowe Instytucje wojskowe Szkolnictwo...
6 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
7 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Dlaczego przechowujemy dane, czyli skąd wypływa źródło tej potrzeby? Wybór rodzaju metody, która zastąpi czynnik ludzki w procesie normalizacji? Określenie niezbędnych środków technicznych do realizacji zadania?
8 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
9 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
10 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
11 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY zbiór danych zorganizowanych zgodnie z pojęciową strukturą opisującą charakterystyki tych danych oraz związki między ich odpowiednimi elementami, stosowany w jednym lub wielu zastosowaniach PN-ISO/IEC :
12 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
13 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
14 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
15 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
16 Edgar Frank Codd 23 VIII IV 2003 Źródło:
17 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
18 SŁOWNIK OPRACOWANEJ METODY Relacja pierwotna Autonormalizacja Mapowanie atrybutów relacji pierwotnej Tymczasowa relacja mapująca Zmapowana relacja pierwotna Relacja macierzysta / Relacja macierzysta (bis) / Relacja obca Atrybut potomny relacji macierzystej Fundamentalna zależność funkcyjna Współczynnik ziarnistości / Granica ziarnistości
19 Fundamentalna zależność funkcyjna Reguła (4.1): Poprzez występujące fundamentalne zależności funkcyjne, krotki wyznaczajązwiązek atrybutuz pozostałymi atrybutamirelacji. Reguła (4.2): Każdy atrybut typu DC fundamentalnej zależności funkcyjnej zostanie przekształcony w atrybut typu IC w przebiegu procesów autonormalizacji.
20 Fundamentalna zależność funkcyjna
21
22 Współczynnik ziarnistości / Granica ziarnistości seedfactor = s (4.1) Współczynnik ziarnistości lub granulacji atrybutu relacji jest miarą, która określa przeciętną liczność wystąpienia podzbiorów identycznych wartości (inaczej mówiąc: zgrupowanych jednorodnych wartości) rekordów analizowanego atrybutu relacji. Minimalna wartość tego współczynnika zawsze będzie równa jeden, a maksymalna jego wartość jest równa ilości wszystkich rekordów analizowanego atrybutu (jednoznacznie relacji).
23 Współczynnik ziarnistości / Granica ziarnistości seedfactor = s (4.1) s wartość przeciętna elementów s ze zbioru S. S = s : s : = { } sup( P) x x P x i, s S P (4.2) Z + i= 1
24 Współczynnik ziarnistości / Granica ziarnistości seedlimes = P 2 (4.3) Granica ziarnistości empiryczny wskaźnik służący do wyznaczania stopnia granulacji badanych atrybutów relacji. Charakterystyczną jego cechą jest możliwość regulowania czułości dot. wykrywania relacji słownikowych dla nowo tworzonegoschematu bazydanych.
25 Współczynnik ziarnistości / Granica ziarnistości seedlimes P seedlimes = (4.3) 2 oznacza minimalną wartość współczynnika ziarnistości, który rozgranicza średnioziarnistością od gruboziarnistości. P moc zbioru P, ilość wszystkich rekordów pobranych z pola relacji;
26
27 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Algorytm opracowanej metody
28 1. Mapowanie atrybutów relacji (null 0) 2. Podział atrybutów relacji wg wystąpień 0 3(EC). Separacja atrybutów względem ilości występowania wartości równych 0 (null) Atrybuty EC (0 ) Atrybuty FC (1 ) 4(EC). Separacja atrybutów względem położenia wartości 0 (null) 5(EC). Usunięcie wartości 0 (null) z atrybutów relacji obcych 3(FC). Zgrupowanie atrybutów Relacja macierzysta (1 ) 6. Wyliczenie wsp. ziarnistości Relacje macierzyste (bis) (1 ) 8. Korekta anomalii 7. Wyznaczenie typów fzf atrybutów 9. Redukcja typów fzf DC do IC 10. Budowa schematu DB
29 1. Mapowanie atrybutów relacji pierwotnej
30 1. Mapowanie atrybutów relacji pierwotnej
31 1. Mapowanie atrybutów relacji pierwotnej
32 1. Mapowanie atrybutów relacji pierwotnej
33 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Przykład teoretyczny (ogólny).
34
35 1.
36 2.
37 3(FC). 3(EC).
38 4(EC).
39 (EC).
40 9.
41 9.
42 9.
43 10.
44 10.
45 10.
46 10.
47 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY
48 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Opis realnego problemu Analiza struktury danych wejściowych Budowa nowego schematu bazy danych w oparciu o wyniki uzyskane z analizy
49
50
51
52
53
54
55 8.
56 8.
57 2-9.
58 10.
59 10.
60 WIZJA DALSZEGO ROZWOJU
61 PIERWOTNA ANALIZA Brak dostatecznej wiedzy przy postępowaniu z polami posiadającymi wartości null? Występujące anomalie w polach relacji pierwotnej, będące efektem błędnie wprowadzonych danych?
62
63
64
65 WNIOSKI KOŃCOWE Współczynnik ziarnistości atrybutów relacji Granica ziarnistości atrybutów relacji Typ fundamentalnej zależności funkcyjnej
66 WNIOSKI KOŃCOWE ZALETY PRZEDSTAWIONEJ METODY DO AUTONORMALIZACJI Prostota działania opracowanej metody; Wystarczające odtworzenie rzeczywistego schematu bazy danych; Mapowanie relacji zapewnia bezpieczeństwo przetwarzania danych w internetowej chmurze; Zastąpienie w prostych oraz powszechnych problemach wykwalifikowanego personelu analityków; Perspektywa dalszego rozwoju opracowanej metody;...
67 WNIOSKI KOŃCOWE WADY PRZEDSTAWIONEJ METODY DO AUTONORMALIZACJI brak możliwości dokładnego odtworzenia rzeczywistego schematu relacyjnej; wrażliwość podstawowej metody na wielkość próby statystycznej źródłowego zbioru; wrażliwość na anomalie występujące w polach danych źródłowych;
68 WNIOSKI KOŃCOWE Przedstawiona praca przyniosła nowe doświadczenia, które umożliwiły mi poszerzenie posiadanej wiedzy teoretycznej oraz praktycznej z dziedziny baz danych. Szczególnie programowanie w dynamicznym SQL u było źródłem ciekawych i fascynujących odkryć, ponieważ pozwoliło na rozwiązanie zaawansowanych problemów logicznych. W głównej mierze źródłem tej wiedzy było rozwiązywanie problemów cząstkowych w trakcie budowy modelu algorytmu do samoczynnej normalizacji relacyjnejbazy danych. Praca ta umożliwiła, mi także poczuć istotę badania naukowego, w tym sposobów prowadzenia testów eksperymentalnych z wykorzystaniem dostępnych narzędzi informatycznych.
69
70 Fotografie użyte w prezentacji zostały pobrane ze stron internetowych Zon2PcRCZg4cOw3ZA 8C7hQ8YTbsd672iQ ZOmlYANB90gdj02APJQzZ_Q-5z7 SXZXd3oVk_DtiQ
Definicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d.
TECHNOLOGIE BAZ DANYCH WYKŁAD 1 Wprowadzenie do baz danych. Normalizacja. (Wybrane materiały) Dr inż. E. Busłowska Definicja bazy danych Uporządkowany zbiór informacji, posiadający własną strukturę i wartość.
Bardziej szczegółowoTechnologia informacyjna
Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,
Bardziej szczegółowoSystemy baz danych. mgr inż. Sylwia Glińska
Systemy baz danych Wykład 1 mgr inż. Sylwia Glińska Baza danych Baza danych to uporządkowany zbiór danych z określonej dziedziny tematycznej, zorganizowany w sposób ułatwiający do nich dostęp. System zarządzania
Bardziej szczegółowoRelacyjny model baz danych, model związków encji, normalizacje
Relacyjny model baz danych, model związków encji, normalizacje Wyklad 3 mgr inż. Maciej Lasota mgr inż. Karol Wieczorek Politechnika Świętokrzyska Katedra Informatyki Kielce, 2009 Definicje Operacje na
Bardziej szczegółowoProjektowanie Systemów Informacyjnych
Projektowanie Systemów Informacyjnych Wykład II Encje, Związki, Diagramy związków encji, Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.Widom Copyrights by Arkadiusz Rzucidło
Bardziej szczegółowoNormalizacja baz danych
Normalizacja baz danych Definicja 1 1 Normalizacja to proces organizowania danych w bazie danych. Obejmuje to tworzenie tabel i ustanawianie relacji między tymi tabelami zgodnie z regułami zaprojektowanymi
Bardziej szczegółowoModuł mapowania danych
Moduł mapowania danych Styczeń 2011 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości. W przeciwnym przypadku, żadna część niniejszego dokumentu,
Bardziej szczegółowoInstytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania
Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Michał Socha, Wojciech Górka Integracja danych Prosty export/import Integracja 1:1 łączenie baz danych
Bardziej szczegółowoWPROWADZENIE DO BAZ DANYCH
1 Technologie informacyjne WYKŁAD IV WPROWADZENIE DO BAZ DANYCH MAIL: WWW: a.dudek@pwr.edu.pl http://wgrit.ae.jgora.pl/ad Bazy danych 2 Baza danych to zbiór danych o określonej strukturze. zapisany na
Bardziej szczegółowoWykład II Encja, atrybuty, klucze Związki encji. Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.
Bazy Danych Wykład II Encja, atrybuty, klucze Związki encji Opracowano na podstawie: Podstawowy Wykład z Systemów Baz Danych, J.D.Ullman, J.Widom Copyrights by Arkadiusz Rzucidło 1 Encja Byt pojęciowy
Bardziej szczegółowoBaza danych. Baza danych to:
Baza danych Baza danych to: zbiór danych o określonej strukturze, zapisany na zewnętrznym nośniku (najczęściej dysku twardym komputera), mogący zaspokoić potrzeby wielu użytkowników korzystających z niego
Bardziej szczegółowoBazy danych. wprowadzenie teoretyczne. Piotr Prekurat 1
Bazy danych wprowadzenie teoretyczne Piotr Prekurat 1 Baza danych Jest to zbiór danych lub jakichkolwiek innych materiałów i elementów zgromadzonych według określonej systematyki lub metody. Zatem jest
Bardziej szczegółowoBazy danych. Algebra relacji
azy danych lgebra relacji Model danych Model danych to spójny zestaw pojęć służący do opisywania danych i związków między nimi oraz do manipulowania danymi i ich związkami, a także do wyrażania więzów
Bardziej szczegółowoCel normalizacji. Tadeusz Pankowski
Plan Normalizacja Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski 1. Cel normalizacji. 2. Klucze schematów relacyjnych atrybuty kluczowe i niekluczowe. 3. 2PN druga postać normalna. 4. 3PN trzecia
Bardziej szczegółowoTechnologie baz danych
Plan wykładu Technologie baz danych Wykład 2: Relacyjny model danych - zależności funkcyjne. SQL - podstawy Definicja zależności funkcyjnych Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoModelowanie hierarchicznych struktur w relacyjnych bazach danych
Modelowanie hierarchicznych struktur w relacyjnych bazach danych Wiktor Warmus (wiktorwarmus@gmail.com) Kamil Witecki (kamil@witecki.net.pl) 5 maja 2010 Motywacje Teoria relacyjnych baz danych Do czego
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoZałącznik 1. Nazwa kierunku studiów: FIZYKA Techniczna Poziom kształcenia: II stopień (magisterski) Profil kształcenia: ogólnoakademicki Symbol
Efekty kształcenia dla kierunku studiów FIZYKA TECHNICZNA - studia II stopnia, profil ogólnoakademicki - i ich odniesienia do efektów kształcenia w obszarze nauk ścisłych Objaśnienia oznaczeń w symbolach
Bardziej szczegółowoCzęść II. Zadanie 3.2. (0 3)
Zadanie 3.2. (0 3) Zdający opracowuje i przeprowadza wszystkie etapy prowadzące do otrzymania poprawnego rozwiązania problemu: od sformułowania specyfikacji problemu po testowa nie rozwiązania (5.7.).
Bardziej szczegółowoRok szkolny 2015/16 Sylwester Gieszczyk. Wymagania edukacyjne w technikum. ADMINISTROWANIE BAZAMI DANYCH kl. 4c
Wymagania edukacyjne w technikum ADMINISTROWANIE BAZAMI DANYCH kl. 4c Lp. 1 2 4 5 Temat Zasady dotyczące zarządzania projektem podczas prac związanych z tworzeniem bazy oraz cykl życiowy bazy Modele tworzenia
Bardziej szczegółowoSystemy baz danych w zarządzaniu przedsiębiorstwem. W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi
Systemy baz danych w zarządzaniu przedsiębiorstwem W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi Proces zarządzania danymi Zarządzanie danymi obejmuje czynności: gromadzenie
Bardziej szczegółowoBaza danych. Modele danych
Rola baz danych Systemy informatyczne stosowane w obsłudze działalności gospodarczej pełnią funkcję polegającą na gromadzeniu i przetwarzaniu danych. Typowe operacje wykonywane na danych w systemach ewidencyjno-sprawozdawczych
Bardziej szczegółowoWykład 2. Relacyjny model danych
Wykład 2 Relacyjny model danych Wymagania stawiane modelowi danych Unikanie nadmiarowości danych (redundancji) jedna informacja powinna być wpisana do bazy danych tylko jeden raz Problem powtarzających
Bardziej szczegółowoKsięgarnia PWN: Michael J. Hernandez Bazy danych dla zwykłych śmiertelników
Księgarnia PWN: Michael J. Hernandez Bazy danych dla zwykłych śmiertelników Słowo wstępne (13) Przedmowa i podziękowania (drugie wydanie) (15) Podziękowania (15) Przedmowa i podziękowania (pierwsze wydanie)
Bardziej szczegółowoBAZY DANYCH model relacyjny. Opracował: dr inż. Piotr Suchomski
BAZY DANYCH model relacyjny Opracował: dr inż. Piotr Suchomski Relacyjny model danych Relacyjny model danych posiada trzy podstawowe składowe: relacyjne struktury danych operatory algebry relacyjnej, które
Bardziej szczegółowo030 PROJEKTOWANIE BAZ DANYCH. Prof. dr hab. Marek Wisła
030 PROJEKTOWANIE BAZ DANYCH Prof. dr hab. Marek Wisła Elementy procesu projektowania bazy danych Badanie zależności funkcyjnych Normalizacja Projektowanie bazy danych Model ER, diagramy ERD Encje, atrybuty,
Bardziej szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowoBazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI
Bazy danych Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Wszechnica Poranna Trzy tematy: 1. Bazy danych - jak je ugryźć? 2. Język SQL podstawy zapytań. 3. Mechanizmy wewnętrzne baz danych czyli co
Bardziej szczegółowoUwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania.
Uwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania. Część I Zadanie 1.1. (0 2) Wymagania ogólne Wymagania szczegółowe po testowanie rozwiązania (5.7.). strategia
Bardziej szczegółowo- Przedmiot kończy się egzaminem - Egzamin ma formę testu teoretycznego
Dr inż. Ludmiła Rekuć p. 58 B4 www.ioz.pwr.wroc.pl, ludmila.rekuc@pwr.wroc.pl Dr inż. Witold Rekuć p. 57 B4 www.ioz.pwr.wroc.pl, witold.rekuc@pwr.wroc.pl - Przedmiot kończy się egzaminem - Egzamin ma formę
Bardziej szczegółowoPojęcie zależności funkcyjnej
Postacie normalne Plan wykładu Zależności funkcyjne Cel normalizacji Pierwsza postać normalna Druga postać normalna Trzecia postać normalna Postać normalna Boyca - Codda Pojęcie zależności funkcyjnej Definicja
Bardziej szczegółowoModuł mapowania danych
Moduł mapowania danych Grudzień 2013 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości. W przeciwnym przypadku, żadna część niniejszego dokumentu,
Bardziej szczegółowo1 Wstęp do modelu relacyjnego
Plan wykładu Model relacyjny Obiekty relacyjne Integralność danych relacyjnych Algebra relacyjna 1 Wstęp do modelu relacyjnego Od tego się zaczęło... E. F. Codd, A Relational Model of Data for Large Shared
Bardziej szczegółowoTechnologie informacyjne - wykład 12 -
Zakład Fizyki Budowli i Komputerowych Metod Projektowania Instytut Budownictwa Wydział Budownictwa Lądowego i Wodnego Politechnika Wrocławska Technologie informacyjne - wykład 12 - Prowadzący: Dmochowski
Bardziej szczegółowoNormalizacja. Pojęcie klucza. Cel normalizacji
Plan Normalizacja Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski 1. Cel normalizacji. 2. Klucze schematów relacyjnych atrybuty kluczowe i niekluczowe. 3. 2PN druga postać normalna. 4. 3PN trzecia
Bardziej szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowoTabele przestawne jako narzędzie analizy biznesowej
Firma szkoleniowa 2014 roku. TOP 3 w rankingu firm szkoleniowych zaprasza na szkolenie: Tabele przestawne jako narzędzie analizy biznesowej warsztaty komputerowe 24-25 września 2015 r. Warszawa Ekspert:
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mrafalo@sgh.waw.pl WARSTWA PREZENTACJI HURTOWNI DANYCH Wykorzystanie hurtowni danych - aspekty Analityczne zbiory danych (ADS) Zbiór danych tematycznych (Data
Bardziej szczegółowoBazy Danych. C. J. Date, Wprowadzenie do systemów baz danych, WNT - W-wa, (seria: Klasyka Informatyki), 2000
Bazy Danych LITERATURA C. J. Date, Wprowadzenie do systemów baz danych, WNT - W-wa, (seria: Klasyka Informatyki), 2000 J. D. Ullman, Systemy baz danych, WNT - W-wa, 1998 J. D. Ullman, J. Widom, Podstawowy
Bardziej szczegółowoZagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ
(INT) Inżynieria internetowa 1. Tryby komunikacji między procesami w standardzie Message Passing Interface 2. HTML DOM i XHTML cel i charakterystyka 3. Asynchroniczna komunikacja serwerem HTTP w technologii
Bardziej szczegółowo2010-10-21 PLAN WYKŁADU BAZY DANYCH MODEL DANYCH. Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna HISTORIA
PLAN WYKŁADU Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna BAZY DANYCH Wykład 2 dr inż. Agnieszka Bołtuć MODEL DANYCH Model danych jest zbiorem ogólnych zasad posługiwania
Bardziej szczegółowoPLAN WYKŁADU BAZY DANYCH ZALEŻNOŚCI FUNKCYJNE
PLAN WYKŁADU Zależności funkcyjne Anomalie danych Normalizacja Postacie normalne Zależności niefunkcyjne Zależności złączenia BAZY DANYCH Wykład 5 dr inż. Agnieszka Bołtuć ZALEŻNOŚCI FUNKCYJNE Niech R
Bardziej szczegółowoBazy danych - wykład wstępny
Bazy danych - wykład wstępny Wykład: baza danych, modele, hierarchiczny, sieciowy, relacyjny, obiektowy, schemat logiczny, tabela, kwerenda, SQL, rekord, krotka, pole, atrybut, klucz podstawowy, relacja,
Bardziej szczegółowoBazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL.
Plan wykładu Bazy danych Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Deficja zależności funkcyjnych Klucze relacji Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoAgnieszka Ptaszek Michał Chojecki
Agnieszka Ptaszek Michał Chojecki Krótka historia Twórcą teorii relacyjnych baz danych jest Edgar Frank Codd. Postulaty te zostały opublikowane po raz pierwszy w 1970 roku w pracy A Relational Model of
Bardziej szczegółowoCzęść II Uwaga: wszystkie wyniki muszą być odzwierciedleniem dołączonej komputerowej realizacji obliczeń.
Część II Uwaga: wszystkie wyniki muszą być odzwierciedleniem dołączonej komputerowej realizacji obliczeń. Zadanie 4.1. (0 1) 4. Opracowywanie informacji za pomocą komputera, w tym: rysunków, tekstów, danych
Bardziej szczegółowoBazy danych. Andrzej Łachwa, UJ, /15
Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 10/15 Semantyka schematu relacyjnej bazy danych Schemat bazy danych składa się ze schematów relacji i więzów
Bardziej szczegółowoJak wiernie odzwierciedlić świat i zachować występujące w nim zależności? Jak implementacja fizyczna zmienia model logiczny?
Plan wykładu Spis treści 1 Projektowanie baz danych 1 2 Zależności funkcyjne 1 3 Normalizacja 1NF, 2NF, 3NF, BCNF 4 4 Normalizacja 4NF, 5NF 6 5 Podsumowanie 9 6 Źródła 10 1 Projektowanie baz danych Projektowanie
Bardziej szczegółowoANALITYKA GOSPODARCZA, STUDIA MAGISTERSKIE WIEDZA
ANALITYKA GOSPODARCZA, STUDIA MAGISTERSKIE WIEDZA Ma rozszerzoną wiedzę o charakterze nauk ekonomicznych oraz ich miejscu w AG2_W01 systemie nauk społecznych i w relacjach do innych nauk. AG2_W02 Ma rozszerzoną
Bardziej szczegółowoZasady transformacji modelu DOZ do projektu tabel bazy danych
Zasady transformacji modelu DOZ do projektu tabel bazy danych A. Obiekty proste B. Obiekty z podtypami C. Związki rozłączne GHJ 1 A. Projektowanie - obiekty proste TRASA # * numer POZYCJA o planowana godzina
Bardziej szczegółowoDiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska
Jan Maciej Kościelny, Michał Syfert DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych Instytut Automatyki i Robotyki Plan wystąpienia 2 Wprowadzenie
Bardziej szczegółowoWykład XII. optymalizacja w relacyjnych bazach danych
Optymalizacja wyznaczenie spośród dopuszczalnych rozwiązań danego problemu, rozwiązania najlepszego ze względu na przyjęte kryterium jakości ( np. koszt, zysk, niezawodność ) optymalizacja w relacyjnych
Bardziej szczegółowoMSI dr. Inż. Mariusz Trzaska. obiektowych językach programowania
MSI dr. Inż. Mariusz Trzaska Wykład 12 Wykorzystanie modelu relacyjnego w obiektowych językach programowania o Model relacyjny Zagadnienia o Przyczyny popularności relacyjnych baz danych. o Mapowanie poszczególnych
Bardziej szczegółowoMetody analizy przestrzennej. Liczba godzin stacjonarne: Wykłady: 30 Ćwiczenia: 30. niestacjonarne: Wykłady: 18 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Finansów Kierunek: Gospodarka przestrzenna I. Informacje podstawowe Nazwa przedmiotu Metody analizy przestrzennej Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
Bardziej szczegółowoBazy danych i ich aplikacje
ORAZ ZAPRASZAJĄ DO UDZIAŁU W STUDIACH PODYPLOMOWYCH Celem Studiów jest praktyczne zapoznanie słuchaczy z podstawowymi technikami tworzenia i administrowania bazami oraz systemami informacyjnymi. W trakcie
Bardziej szczegółowoKurs MATURA Z INFORMATYKI
Kurs MATURA Z INFORMATYKI Cena szkolenia Cena szkolenia wynosi 90 zł za 60 min. Ilość godzin szkolenia jest zależna od postępów w nauce uczestnika kursu oraz ilości czasu, którą będzie potrzebował do realizacji
Bardziej szczegółowoModel logiczny SZBD. Model fizyczny. Systemy klientserwer. Systemy rozproszone BD. No SQL
Podstawy baz danych: Rysunek 1. Tradycyjne systemy danych 1- Obsługa wejścia 2- Przechowywanie danych 3- Funkcje użytkowe 4- Obsługa wyjścia Ewolucja baz danych: Fragment świata rzeczywistego System przetwarzania
Bardziej szczegółowoINFORMATYKA POZIOM ROZSZERZONY
EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi
Bardziej szczegółowoZałącznik 1. Nazwa kierunku studiów: FIZYKA Poziom kształcenia: II stopień (magisterski) Profil kształcenia: ogólnoakademicki Symbol
Efekty kształcenia dla kierunku studiów FIZYKA TECHNICZNA - studia II stopnia, profil ogólnoakademicki - i ich odniesienia do efektów kształcenia w obszarze nauk ścisłych Kierunek studiów fizyka techniczna
Bardziej szczegółowoEfekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej
Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych
Bardziej szczegółowoPodstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38
Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem zajęcia 1 dr Jakub Boratyński pok. A38 Program zajęć Bazy danych jako podstawowy element systemów informatycznych wykorzystywanych
Bardziej szczegółowoLingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe.
Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Autor: Mariusz Sasko Promotor: dr Adrian Horzyk Plan prezentacji 1. Wstęp 2. Cele pracy 3. Rozwiązanie 3.1. Robot
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1,R2 (Wersja uaktualniona; 3 lipca 2015r.) MAJ 2015
Bardziej szczegółowoZałącznik nr 2 do uchwały nr 100/2012 Senatu UP. Efekty kształcenia dla kierunku studiów inżynieria rolnicza i ich odniesienie do efektów obszarowych
Załącznik nr 2 do uchwały nr 100/2012 Senatu UP Efekty kształcenia dla kierunku studiów inżynieria rolnicza i ich odniesienie do efektów obszarowych Wydział prowadzący kierunek: Wydział Rolnictwa i Bioinżynierii
Bardziej szczegółowo1. Mapowanie diagramu klas na model relacyjny.
Rafał Drozd 1. Mapowanie diagramu klas na model relacyjny. 1.1 Asocjacje Wpływ na sposób przedstawienia asocjacji w podejściu relacyjnym ma przede wszystkim jej liczność (jeden-do-jednego, jeden-do-wielu,
Bardziej szczegółowoSzczegółowy program kursów szkoły programowania Halpress
Szczegółowy program kursów szkoły programowania Halpress Lekcja A - Bezpłatna lekcja pokazowa w LCB Leszno "Godzina kodowania - Hour of Code (11-16 lat) Kurs (B) - Indywidualne przygotowanie do matury
Bardziej szczegółowoAutomatyka i sterowanie w gazownictwie wstęp. Autor: dr inż. Iwona Oprzędkiewicz Nazwa wydziału: WIMiR Nazwa katedry: Katedra Automatyzacji Procesów
Automatyka i sterowanie w gazownictwie wstęp Autor: dr inż. Iwona Oprzędkiewicz Nazwa wydziału: WIMiR Nazwa katedry: Katedra Automatyzacji Procesów Sprawy organizacyjne Wykłady (15 h) Dr inż. Iwona Oprzędkiewicz
Bardziej szczegółowoDiagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym
Diagramy ERD. Model struktury danych jest najczęściej tworzony z wykorzystaniem diagramów pojęciowych (konceptualnych). Najpopularniejszym konceptualnym modelem danych jest tzw. model związków encji (ERM
Bardziej szczegółowoP1P efekty kształcenia w obszarze nauk przyrodniczych dla studiów pierwszego stopnia o
Załącznik do Uchwały Nr XXIII 22.8/15 z dnia 28 stycznia 2015 r. w brzmieniu nadanym Uchwałą Nr XXIII 29.4/15 z dnia 25 listopada 2015 r. Efekty kształcenia dla kierunku studiów AGROCHEMIA - studia I stopnia,
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1,R2 (Wersja uaktualniona; 3 lipca 2015r.) MAJ 2015
Bardziej szczegółowoRelacyjne bazy danych
Relacyjne bazy danych W roku 1970 dr Edgar Ted Codd z firmy IBM zaprezentował relacyjny model danych. W modelu tym dane miały być przechowywane w prostych plikach liniowych, które to pliki nazywane są
Bardziej szczegółowoOdświeŜanie hurtownie danych - wykład IV. Zagadnienia do omówienia. Wprowadzenie
OdświeŜanie hurtownie danych - wykład IV Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006/2007 Zagadnienia do omówienia 1. Wprowadzenie 2. Klasyfikacja źródeł danych 3. Wymagania
Bardziej szczegółowoPlan wykładu. Problemy w bazie danych. Problemy w bazie danych BAZY DANYCH. Problemy w bazie danych Przykład sprowadzenia nieznormalizowanej SQL
Plan wykładu 2 ZY DNYH Wykład 2: Sprowadzanie do postaci normalnych. SQL. Problemy w bazie danych Przykład sprowadzenia nieznormalizowanej relacji do 3NF SQL Małgorzata Krętowska Wydział Informatyki Politechnika
Bardziej szczegółowoRelacyjny model danych
Model relacyjny Relacyjny model danych Relacyjny model danych jest obecnie najbardziej popularnym modelem używanym w systemach baz danych. Podstawą tego modelu stała się praca opublikowana przez E.F. Codda
Bardziej szczegółowoBazy danych 2. Wykład 1
Bazy danych 2 Wykład 1 Sprawy organizacyjne Materiały i listy zadań zamieszczane będą na stronie www.math.uni.opole.pl/~ajasi E-mail: standardowy ajasi@math.uni.opole.pl Sprawy organizacyjne Program wykładu
Bardziej szczegółowoNormalizacja relacyjnych baz danych. Sebastian Ernst
Normalizacja relacyjnych baz danych Sebastian Ernst Zależności funkcyjne Zależność funkcyjna pomiędzy zbiorami atrybutów X oraz Y oznacza, że każdemu zestawowi wartości atrybutów X odpowiada dokładnie
Bardziej szczegółowoNie święci garnki lepią. czyli wprowadzenie do programowania
Nie święci garnki lepią czyli wprowadzenie do programowania Dlaczego warto uczyć się programowania? Badanie PISA Creative Problem Solving. Sytuacje z życia: kupno biletu w automacie, użycie odtwarzacza
Bardziej szczegółowoWYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS WIEDZA
WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS Symbol kierunkowego efektu kształcenia Efekty kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA K1_W01 K1_W02
Bardziej szczegółowoPodrozdziały te powinny zawierać informacje istotne z punktu widzenia przyjętego celu pracy
Uwaga: 1. Praca powinna być napisana z użyciem formy bezosobowej np. wykonano. Nazwa rozdziału Zawartość Liczba stron 1. Wstęp Rozdział ten powinien zawierać zarys najważniejszych elementów pracy Krótki
Bardziej szczegółowoBaza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.
PI-14 01/12 Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.! Likwidacja lub znaczne ograniczenie redundancji (powtarzania się) danych! Integracja danych!
Bardziej szczegółowoBAZY DANYCH. Anomalie. Rozkład relacji i normalizacja. Wady redundancji
BAZY DANYCH WYKŁAD 5 Normalizacja relacji. Zapytania zagnieżdżone cd. Wady redundancji Konieczność utrzymania spójności kopii, Marnowanie miejsca, Anomalie. (Wybrane materiały) Dr inż. E. Busłowska Copyright
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INŻYNIERIA SYSTEMÓW Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
Bardziej szczegółowoIndeksy w bazach danych. Motywacje. Techniki indeksowania w eksploracji danych. Plan prezentacji. Dotychczasowe prace badawcze skupiały się na
Techniki indeksowania w eksploracji danych Maciej Zakrzewicz Instytut Informatyki Politechnika Poznańska Plan prezentacji Zastosowania indeksów w systemach baz danych Wprowadzenie do metod eksploracji
Bardziej szczegółowoBazy danych Wykład zerowy. P. F. Góra
Bazy danych Wykład zerowy P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Patron? Św. Izydor z Sewilli (VI wiek), biskup, patron Internetu (sic!), stworzył pierwszy katalog Copyright c 2011-12 P.
Bardziej szczegółowoDział Temat lekcji Ilość lekcji. godz. 1 Organizacja zajęć Omówienie programu nauczania 3
rzedmiot : Systemy baz Rok szkolny : 2015/2016 Klasa : INF godz. x 0 = 90 godz. Zawód : technik informatyk; symbol 5120 rowadzący : Jacek Herbut, Henryk Kuczmierczyk Henryk Kuczmierczyk Numer Dział Temat
Bardziej szczegółowoAlicja Marszałek Różne rodzaje baz danych
Alicja Marszałek Różne rodzaje baz danych Rodzaje baz danych Bazy danych można podzielić wg struktur organizacji danych, których używają. Można podzielić je na: Bazy proste Bazy złożone Bazy proste Bazy
Bardziej szczegółowoMetody automatyzacji sprawozdawczości w systemie asist. Agnieszka Hołownia-Niedzielska
Metody automatyzacji sprawozdawczości w systemie asist Agnieszka Hołownia-Niedzielska Agenda 1 Dlaczego większość projektów obejmuje automatyzację zasilenia? 2 Perspektywa użytkownika końcowego 3 Źródła
Bardziej szczegółowoNormalizacja baz danych
Wrocławska Wyższa Szkoła Informatyki Stosowanej Normalizacja baz danych Dr hab. inż. Krzysztof Pieczarka Email: krzysztof.pieczarka@gmail.com Normalizacja relacji ma na celu takie jej przekształcenie,
Bardziej szczegółowo