Kierunki rowoju b dnch i technologii nimi wiąnch Definicj b dnch Kżd uporądkown biór informcji (dnch) nwm bą dnch Adm Peliknt Aplikcję powljącą n rądnie, mnipulownie dnmi, któr pewni trwłość dnch or kontrolę dostępu do nich nwm sstemem rądni bą dnch - SZD Hierrchicn Sieciow Modele dnch Twórc Edgr Frnk "Ted" Codd (23 sierpni 1923 18 kwietni 2003) w 1970 wdł fundmentlną prcę A Reltionl Model of Dt for Lrge Shred Dt nks, w której predstwił relcjn model rądni bmi dnch (słnne 12 te) ID Pole1 Pole2... PoleN 1 2 3 Relcjn +Obiektow ID Pole1 - FK Pole2... PoleN 11 1 22 2 33 1 44............ Chris Dte (1941) Autor podstwowej prc An Introduction to Dtbse Sstems 1
Rowiąni komercjne 30 lt Drmowe Inne rowiąni Lrr Ellison Pond 15 lt Obiektowe D2 9.5 LOTUS Notes Jsmine od 1992 Adptive Server Enterprise 15 Pretwrnie trnskcjne OLTP - OnLine Trnsction Processing - pretwrnie trnskcjne w trbie on-line Celem jest wspomgnie bieżącej obsługi diłlności dnej firm, dl dobre definiownch procesów (np.: obsług spredż) Oprt n trnskcjch, które operują n niewielkiej cęści dnch prechowwnch w bie dnch Dostrc rowiąń dl problemów: efektwnego i bepiecnego prechowwni dnch, optmlicji dostępu do dnch, dostępności dnch. Podstwowm krterium ocen efektwności diłni sstemu OLTP jest licb trnskcji n sekundę Ide prtcjonowni tbel Rodje prtcji kresowe, list wrtości, hsowe, miesne. Tbel 1 Tbel 2 Tbel 3 2
Prtcjonownie tbel Wbór prtcji do której trfi rekord jest reliown n podstwie wrtości jednego lub kilku wbrnch trbutów tbeli tw. trbutów prtcjonującch Algortm prtcjonowni Round-Robin umożliwi równomierne roprsnie dnch w węłch sieci dne sąroprsne w sposób prpdkow, więc odnleienie żądnch informcji wmg presukni wsstkich węłów ując n wrtości romiescenie dnch w sieci leż od wrtości smch dnch Orcle prtcjonownie kresowe Nieogrnicon romir osttniej prtcji Słowo klucowe mvlue w osttniej kluuli prtition wskuje, że mksmln kres tej prtcji jest nieogrnicon. Tk definiown prtcj będie prechowwł również rekord pustmi wrtościmi trbutów prtcjonującch, tj. kod_mistw nsm prkłdie CREATE TALE klienci2 (klient_id number(10), imie vrchr2(25), nwisko vrchr2(25), kod_mist vrchr2(6)) PARTITION Y RANGE (kod_mist) ( PARTITION p_klienci_c VALUES LESS THAN ('D') TALESPACE dne1, PARTITION p_klienci_f VALUES LESS THAN ('G') TALESPACE dne2, PARTITION p_klienci_m VALUES LESS THAN ('N') TALESPACE dne3, PARTITION p_klienci_max VALUES LESS THAN (MAXVALUE) TALESPACE dne4 ); Orcle prtcjonownie listowe Jeżeli wrtość trbutu prtcjonującego dl wstwinego rekordu nie psuje do wrtości żdnej prtcji, wówcs sstem głs błąd Definicję tbeli prtcjonownej możn roserć o prtcję umożliwijącą prechowwnie wsstkich innch wrtości do definiowni tkiej prtcji wkorstuje się słowo klucowe defult CREATE TALE bilet2 (nr_biletu vrchr2(15), cen number(6,2), klient_id number(10), kls vrchr2(12)) PARTITION Y LIST (kls) ( PARTITION p_ekonomicn VALUES ('ekonomicn') TALESPACE dne1, PARTITION p_wse VALUES ('business', 'pierws') TALESPACE dne2, PARTITION p_inne VALUES (DEFAULT) TALESPACE dne3) ); 3
Orcle prtcjonownie hsowe Tbel klienci_prt_hsh3 ostnie podielon n tr prtcje umiescone kolejno w prestrenich tbel dne1, dne2 i dne3 Schemt klstr dl dwóch węłów Połącenie ewnętrne CREATE TALE klienci_prt_hsh3 (klient_id number(10), Imie vrchr2(25), nwisko vrchr2(25), kod_mist vrchr2(6)) PARTITION Y HASH (kod_mist) ( PARTITION p_klienci_1 TALESPACE dne1, PARTITION p_klienci_2 TALESPACE dne2, PARTITION p_klienci_3 TALESPACE dne3 ); Węeł 1 Połącenie wewnętrne Dne 1 Dne Dne 2 współielone Węeł 2 Schemt orgnicji pretwrni sitkowego gridowego Multimedilne b dnch - gene problemu. Świt Obiekt Audio Zjwisk Video 3D Dne łożone Dne proste 4
MPEG Moving Picture Eperts Group MPEG 1 kompresj MPEG 2 kompresj MPEG 4 kompresj + obiekt MPEG 7 opis sobów Description Tools metdne, ich struktur i relcje Dne opisowe Etp nli multimediów Noncontent metdt Użtkownik Interfejs Zptnie Scownie podobieństw Niskopoiome opercje n obrie Ekstrkcj cech Interpretcj Obiekt i relcj Obr Prkłdow tbel Rosernie Orcle intermedi dodtkowe formt pisu nowe metod kompresji mteriłu specjliowne indeks specficne metod optmlicji ptń nowe źródł dnch specjlistcne lgortm pretwrni dnch 5
Wsukiwnie obrów w multimedilne bie dnch be ngżowni cnnik ich utomtcnego roumieni Różne uproscone schemt wsukiwni Sfe Prkłd odpowiedi sstemu wsukiwni obrów 6
Podił obru n region będąc klucem do procesu uto-notcji Dne prestrenne (sptil dt) Podstwowe element prestrenne Point Line String N-Point Polgon Obr poddwn uto-notcji Obr podielon n region do uto-notcji Istnieją brdiej łożone element, włącjąc w to kolekcje elementów podstwowch nwne Geometries. Wrstwą Ler nwm kolekcję obiektów Geometries posidjącch podobne trbut n poiomie mp (grnice krjów, stnów, sieć dróg, reki etc. ) STAN LAYER Albm Alsk Arion Orcle Sptil Prkłd Geometries or Lers Geometri GEOMETRY obsru (stn) stnowi pojedncą kolumnę jednego wiers tbeli Geometri GEOMETRY może wierć więcej niż jeden element. Orcle Sptil prkłd Cel nli: wbór dróg w obsre Arknss 7
8 Orcle Sptil prkłd wbrnie dróg Orcle Sptil prkłd opercji Intersection Minus Orcle Sptil Prkłd połącenie wboru wrstwą mp Ilustrcj ogólnej idei mpowni schemtów. Tbel_3 L K FK2 Tbel_2 Y Z X FK1 Tbel_1 C A Tbel_2 Y Z X FK1 Tbel_1 A Tbel_3 L K FK2 Tbel_2 Y Z X FK1 Tbel_1 C A Tbel_3 L K FK2 Tbel_2 Y Z X FK1 Tbel_1 A D C D
Wjściow plik XML Ocscon Ocscnie (rudn) plik XML Odctnie T T ncnik Koniec C nstępnikiem C ncnik jest w N N N dnch jest ncnik tbeli nw tbel Zpis ncnik (Nw Tbel) Algortm Schemt dopsowni struktur relcjnch wrint optmistcne T Odctnie ncnik Ustwienie wskżnik do tbeli T T Koniec dnch C ncnik jest N C nw tbeli N N w tbeli pól Zpis ncnik (Nw Pól) Utworenie struktur tbelrcnej Odctnie ncnik N Wcść mienną rekordową Wstw rekord Ustwienie wskżnik do tbeli T N C wsstkie pol tbeli Koniec dnch T Odctnie N C nw pol T N wrtości Zpis miennej rekordowej Odctnie pól tbel wnikowch Prsownie wrtości Ustlenie tpów pól Schemt dopsowni struktur relcjnch wrint pesmistcne Pretwrnie nlitcne OLAP - OnLine Anlticl Processing - pretwrnie nlitcne w trbie on-line Celem jest preprowdnie nli dnch i wspomgnie decji. Posidnie dnch opisującch diłnie predsiębiorstw w dłużsm predile csu powl n nlię trendów, nomlii, posukiwnie worców chowń klientów, itp. Zroumienie chowni się klientów i potrebowni n produkt, powl efektwnie kierowć kmpnimi reklmowmi Zrądnie psmi umożliwi producentom posidnie włściwch produktów we włściwm miejscu i csie Anli rentowności pokuje firmom, któr klienci są dochodowi, któr nie Krterium ocen jest jkość podejmownch decji 9
Schemt pretwrni w technologii OLAP (ONLINE ANALYTICAL PROCESSING) Ocscnie Snchronicj OLAP Anli wspierjące proces podejmowni decji binesowch Oddił Ponń Krków Gdńsk ROR Kredt Produkt A Ekstrkcj Presłnie 69,059,440 PLN 8,755 st. 7,888 PLN Depot Rch. Inwest. Integrcj Hurtowni Dnch Inne X Q1 Q2 Q3 Cs Q4 Ide prechowwni dnch w strukture wielowmirowej, definiowni prekrojów i drążeni dnch. usiness Intelligence rchitektur Informcj Wied Wnioski Diłnie Wniki Wmir Z Wmir Z Sstem źródłowe DM Kostk OLAP Zn Z2 Z1 X1 X2 Wmir Y X3 Xn Yn Y1 Y2 Wmir X Zn Z2 Z1 X1 X2 Wmir Y X3 Xn Yn Y1 Y2 Wmir X ETL Hurtowni dnch DM Kostk OLAP Użtkownic: - Rport - Zptni do b - Anli OLAP - EIS - udżetownie - Dt Mining 10
LUDZKA INTELIGENCJA Prktcn: umiejętność rowiąwni konkretnch gdnień Abstrkcjn: dolność operowni smbolmi i pojęcimi Społecn: umiejętność chowni się w grupie Test inet ok. 1904 Ilor inteligencji (IQ) SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Allen Newell, Herbert Simon (Uniwerstet Crnegie Mellon) John McCrth (Msschusetts Institute of Technolog) Konstruownie msn, o którch diłniu dłob się powiedieć, że są podobne do ludkich prejwów inteligencji Dił informtki, którego predmiot to: bdnie reguł rądącch inteligentnmi chownimi cłowiek tworenie modeli formlnch chowń cłowiek tworenie progrmów komputerowch smulującch chowni cłowiek Test Turing (1950 Aln Turing) Ngrod Loebner - od 1990 dl progrmu, któr skutecnie prejdie Test Turing. Konkurs Loebner njleps progrm do konwerscji ELIZA progrmsmulując pschonlitk, Joseph Weienbum 1966 r. ALICE - nw njskutecniejsego obecnie progrmu strjącego nśldowć ludką konwerscję (projekt Open Source - pomsłodwc Richrd Wllce) Drewo decjne Drewo decjne tk Odległość < 30 km nie Odległość: 8 Pogod: descowo Pogod Odległość < 30 km słonecnie descowo tk nie Pogod Diłnie klsfiktor wieloetpowego ilustruje drewo decjne. Pojęci: koreń drew, węeł wewnętrn, węeł końcow (liść), głąź, ścieżk. słonecnie descowo 11
Konstrukcj drew decjnego 1 A A AA 1 A A AA Prmitwne metod dskretcji A. według równej serokości i 2 3 < 1 < 3. według równej cęstości tk nie < 2 tk < 1 nie i tk A nie tk A nie Są to metod globlne, be nucciel. Dskretcj stępując wbór progu H,p p H,p4 p4 H,p6 p6 H,p8 p8 H,pA0 p10 H,p12 p12 H,p14 p14 Dskretcj stępując krterium stopu pa H,pA p3 H,p3 p5 H,p5 p7 H,p7 p9 H,p9 p11 H,p11 p13 H,p13 Wbierm pi, dl którego wrtość H,pi jest njmniejs. H,p10 p10 Dl dwóch powstłch prediłów powtrm procedurę sukni progu. 1 2 3 4 5 6 7 12
Dskretcj wstępując łącenie prediłów Grupownie (klstercj) χ 2 2,3 χ 2 4,5 A 3 4 5 χ 2 2,2 χ 2 3,4 Łącm predił i or j, dl którch wrtość χ 2 i,j jest njmniejs. Rs. 3. k-mens clustering Klstrownie lgortmem górskim Prkłd klstercji lgortmem k-mens Prkłd: K=2 K=3 m 2 m 2 m 2 m 2 m m2 m 2 2 m 2 2 m 2 m 3 m 2 K=3 m 3 3 m3 m 4 m 3 m 3 m 4 13
Co jest dobrą grnicą decji? Prkłd łch grnic decji Rowżm problem klsfikcji dl dwóch seprownch liniowo kls Możem nleźć wiele możliwch podiłów! Różne lgortm dją różne podił C wsstkie grnice decji są równie dobre? kls 1 kls 2 kls 2 kls 1 kls 1 Kodujem kls dwom wrtościmi 1 or -1 kls 2 Mksmlicj mrginesu dl grnic decji Grnice decji powinn bć możliwie njdlej od dowolnch elementów kżdej kls Powinniśm mksmliowć mrgines m Odległość międ pocątkiem ukłdu powierchnią w t =k wnosi k/ w Problem seprowlne nieliniowo Dopuscln jest błąd ξ i klsfikcji liniowej oprtej o hiperpowierchnię w T +b ξ i proksmuje licbę źle sklsfikownch prkłdów (trbutów) Clss 2 kls 2 kls 1 m Clss 1 14
Prekstłcenie dnch do prestreni o więksej licbie wmirów funkcje jądr (kernel) Prestreń wjściow φ(.) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) φ( ) Prestreń prekstłcon M reguł więksą ilości wmirów Obliceni w prestreni prekstłconej są brdiej kostowne poniewż m więcej wmirów Stosownie funkcji jądr (kernel) jest wielokrotnie jednm rowiąniem Prkłd dskrminującej funkcji nieliniowej w prestreni R 1 Funkcj dskrminując kls 1 kls 2 kls 1 1 2 4 5 6 15