Uru:
- Ikike ịkọwa ụdị data echiche, ezi uche na nke anụ ahụ yana echiche normalization na imepụta ihe jikọrọ ọnụ na nkwado nke ọgụgụ isi.
- Ikike ịdepụta akwụkwọ ọkọwa okwu data, iwu azụmaahịa na mmekọrịta tebụl na mkpali a haziri ahazi wee nyochaa ha megidere ezigbo sistemụ.
- Ikike iji nyochaa nke ọma atụmatụ atụmatụ AI mepụtara n'ihe gbasara iguzosi ike n'ezi ihe, ịdị n'otu na nnabata iwu azụmaahịa.
Usoro ozi bụ n'ezie ihe owuwu nke na-edobe data nhazi. Nhazi data bụ ọrụ nke ịmepụta eziokwu nke azụmahịa (onye ahịa, usoro, ngwaahịa, akwụkwọ ọnụahịa) na mmekọrịta ha na ibe ha n'ụzọ ahaziri ahazi. Ụdị data dị mma bụ ntọala nke ịkọ akụkọ ziri ezi, ajụjụ ngwa ngwa, na data na-agbanwe agbanwe; Ihe nlereanya ọjọọ bụ isi iyi nke afọ nke enweghị nkwekọrịta na ọrụ mgbazi ugboro ugboro. Ọtụtụ oge, ọkachamara MIS anaghị edepụta ihe nlereanya site na ọkọ, ma na-achọpụta na ihe nlereanya ahụ na-akwado iwu azụmahịa ma na-atụgharị ihe nlereanya n'etiti ụlọ ọrụ azụmahịa na IT.
Nhazi data na-aga n'ihu n'ọkwa atọ nke abstraction. Ụdị echiche (echiche Bekee) bụ ọkwa kachasị elu: kedu isi ihe dị na kedu ka e si metụta ha? "Onye ahịa na-enye iwu, usoro ahụ gụnyere ngwaahịa." Enweghị nkọwa teknụzụ. Ụdị ezi uche na-akọwapụta njirimara (ubi), igodo, na ụdị mmekọrịta nke ihe ọ bụla; mana ejikọtabeghị ya na ngwaahịa nchekwa data akọwapụtara. Ụdị anụ ahụ (anụ ahụ nke bekee) bụ ụdị kọmpụta nke tebụl, ụdị data na ndeksi dị na nchekwa data akọwapụtara (dịka SQL Server, PostgreSQL). Ọkwa atọ ndị a na-agbasawanye nkọwa nke otu echiche.
Ngwa-mmekọrịta na igodo
Asụsụ bụ isi nke ihe nlere data bụ ihe Nlereanya Mmekọrịta (ER). Enwere ike iche ụlọ ọrụ dịka tebụl: Onye ahịa, ịtụ. Njirimara bụ kọlụm nke tebụl: aha, email, ego. Mmekọrịta bụ ka ejikọrọ ụlọ ọrụ: onye ahịa nwere ike ịnweta ọtụtụ iwu (mmekọrịta otu na-ọtụtụ).
Enwere echiche isi abụọ dị oke egwu. Isi igodo bụ ubi nke na-akọwapụta ahịrị ọ bụla n'ụzọ pụrụ iche na tebụl; ọmụmaatụ CustomerID. Igodo mba ọzọ bụ ubi dị na tebụl nke na-arụtụ aka na mkpịsị ugodi mbụ nke tebụl ọzọ; CustomerID dị na tebụl n'usoro na-ejikọta usoro ndị ahịa ọ bụ. Njikọ ndị a na-eme ka iguzosi ike n'ezi ihe: enweghị ike itinye iwu maka onye ahịa na-adịghị adị.
NDỤMỌDỤ: Mgbe ị nwere AI na-emepụta akwụkwọ ER, ọ na-eme ka ọ dịkwuo mfe ịrịọ igodo isi maka tebụl ọ bụla na igodo mba ọzọ maka mmekọrịta ọ bụla. Mana nyochaa igodo mba ọzọ ọ bụla nke ihe nlereanya ahụ tụrụ aro megide iwu azụmaahịa n'ezie: mgbe ụfọdụ mmekọrịta ị na-eche bụ "otu-na-ọtụtụ" bụ n'ezie "ọtụtụ-na-ọtụtụ".
Nhazi: Na-egbochi nlọghachi
Normalization bụ usoro nke ibelata redundancy na ichekwa iguzosi ike n'ezi ihe site n'ikewa data n'ime tebụl ezi uche dị na ya. Ebumnuche bụ idobe otu ozi ahụ n'otu ebe. Dịka ọmụmaatụ, kama ịpị adreesị ndị ahịa ugboro ugboro na ahịrị ọ bụla, ị na-edobe adreesị otu ugboro na tebụl ndị ahịa wee jikọta ya na igodo mba ọzọ site na usoro ahụ. N'ụzọ dị otú a, mgbe adreesị gbanwere, ị na-emelite ya n'otu ebe; Ma ọ bụghị ya, narị narị iwu ga-enwe adreesị dị iche iche. Nke a ka a na-akpọ update anomaly.
Ndị na-emegide nke normalization bụ deormalization: kpachaara anya na-ekwe ka ụfọdụ ikwughachi n'ihi ọsọ akuko. Na usoro azụmahịa (data data arụmọrụ), a na-ahọrọkarị normalization, na na usoro akụkọ (ụlọ nkwakọba ihe data), a na-ahọrọkarị denormalisation. Ya mere, "normalization adịghị mma mgbe niile"; A na-eme mkpebi ahụ dịka ebumnuche ya si dị.
Akwụkwọ ọkọwa okwu Data: Asụsụ nkịtị
Akwụkwọ ọkọwa okwu data bụ akwụkwọ na-akọwapụta ihe ubi ọ bụla pụtara, ụdị ya, ihe mgbochi na iwu azụmaahịa. Kedu ihe ubi "ọnọdụ" pụtara? Kedu ụkpụrụ ọ ga-ewe (na-echere, akwadoro, kagbuo)? Ọ bụ iwu kwadoro? Enweghị akwụkwọ a, a ga-atụgharị otu mpaghara ahụ n'ụzọ dị iche iche site na otu dị iche iche na akụkọ ahụ ga-agbagọ. Akwụkwọ ọkọwa okwu data bụ asụsụ ọgbakọ na otu n'ime ihe ndị ọkachamara MIS kacha baa uru. AI nwere ike wepụta akwụkwọ ọkọwa okwu mbụ ngwa ngwa site na nhazi tebụl dị ugbu a; Mana naanị otu nke na-eji data ahụ na-enyocha ezi azụmahịa pụtara mpaghara ọ bụla.
Obere Obere Atọ: Site na ọnụọgụ
Ikpe 1 - Ọnụ nke ikwugharị. N'ime ụlọ ọrụ nkesa, a na-edobe adreesị onye ahịa iche iche na tebụl na akwụkwọ ọnụahịa. Mgbe onye ahịa kwagara, a na-emelite adreesị ahụ na naanị otu tebụl; Akwụkwọ ọnụahịa 1,400 gara na adreesị ochie wee kwụọghachi ya. Ọ bụrụ na ahaziri adreesị ahụ n'otu tebụl, otu mmelite ga-ezu. Ọrụ mmezi ahụ na-efu izu abụọ.
Ikpe 2 - Ụdị mmekọrịta ezighi ezi. Otu ọkachamara MIS na ụlọ akwụkwọ agụmakwụkwọ kwetara na mmekọrịta (otu-na-ọtụtụ) "Nwa akwụkwọ bụ nke Klas" na ụdị AI mepụtara. Agbanyeghị, ụmụ akwụkwọ nwere ike ịdebanye aha na klaasị karịa otu nhọrọ; Mmekọrịta ahụ bụ n'ezie ọtụtụ-na-ọtụtụ na tebụl etiti (Record) chọrọ. E kpughere ndudue ahụ n'ọhịa mgbe nwa akwụkwọ edeghị aha na klas nke abụọ. Ọ bụrụ na akwadoro aro AI, a gaara ejide ya site na mmalite.
Ikpe 3 - Uru nke data ọkọwa okwu. E kpebisiri ike na mpaghara "policy_status" dị na ụlọ ọrụ inshọransị na-akọwa ihe dị iche iche site na otu 5 dị iche iche, ya mere otu KPI nyere 3 dị iche iche nsonaazụ na akụkọ. Site n'ịdepụta akwụkwọ ọkọwa okwu data kwadoro AI yana nweta nkwekọrịta otu na ngalaba azụmaahịa, ewepụrụ enweghị nkwekọrịta na-akọ ma belata oge nzụkọ nke ime n'otu ọnwa site na 60%.
Ngwa ngwa adịghị ike / Ike ngwa ngwa
Ngwa ngwa adịghị ike:
Chepụta nchekwa data e-azụmahịa.
Mgbasa ozi siri ike:
Ọrụ gị: Ị bụ onye nwere ahụmahụ data modeler.DRAFT a LOGICAL data nlereanya dị ka ndị na-esonụ azụmahịa iwu.Rules: - N'ihi na onye ọ bụla kwadoro: ubi, isi isi, chọrọ ubi .- N'ihi na onye ọ bụla mmekọrịta: ụdị (otu-na-ọtụtụ / ọtụtụ-na-ọtụtụ) na mba ọzọ igodo .- Nyefee a etiti table na ọtụtụ-na-ọtụtụ mmekọrịta.- Normalize ụdị ruo; 3. Ọ bụrụ na ị kwadoro denormalization na-ama ụma, dee ihe ezi uche dị na ya.- Label [Nkwenye chọrọ] iwu azụmahịa ọ bụla ị na-ejighị n'aka. Iwu azụmahịa: - Onye ahịa nwere ike itinye ọtụtụ iwu.- Otu iwu nwere ọtụtụ ngwaahịa; Otu ngwaahịa na-apụta n'ọtụtụ iwu.- Ngwaahịa nwere edemede.[iwu ndị ọzọ...]
Ngwa ngwa dị ike na-akọwapụta ọkwa nlereanya (ezi uche), isi na iwu mmekọrịta, ebumnuche ịhazigharị, yana isi ihe chọrọ nkwenye.
Ndebiri anọ enwere ike iṅomi
1) Akwụkwọ ọkọwa okwu:
Nkọwa ọkọwa okwu data na-esote site na nkọwa tebụl. Maka mpaghara ọ bụla: aha, ụdị, ọ bụ iwu, ụkpụrụ nwere ike ime, pụtara azụmahịa (labelụ[PREDICTION] ma ọ bụrụ na ọ bụ amụma). Tebụl: [DDL ma ọ bụ ndepụta ubi]
2) Nlebanya nhazigharị:
Ọ nwere ihe egwu ọ bụla nke data oyiri, imelite anomaly, yana ohere maka ịhazigharị n'usoro tebụl dị n'okpuru? Maka nchọpụta ọ bụla, dee ụdị nkịtị ọ mebiri yana aro gị. Nhazi: [ederede]
3) Ederede ER sitere na iwu azụmaahịa:
Tụgharịa asụsụ iwu azụmaahịa ndị a ka ọ bụrụ ụlọ ọrụ, njirimara na mmekọrịta. Ezipụta ụdị mmekọrịta ọ bụla (1-1, 1-N, N-N) ma ọ bụrụ N-N, tụọ tebụl etiti. Kaa akara iwu na-edoghị anya. Iwu: [ederede]
4) ajụjụ nkwenye ụdị mmekọrịta:
Maka mmekọrịta ọ bụla na ụdị data dị n'okpuru, wepụta ajụjụ azụmahịa "ee / mba" nke ga-anwale izi ezi nke ụdị ya (dịka, "Enwere ike ịdebanye aha nwa akwụkwọ na ihe karịrị otu klas n'otu oge?"). Model: [ederede]
Chart atụnyere: Ọkwa nlereanya
atụmatụ
echiche
ezi uche
anụ ahụ
Nkọwa
opekata mpe
ọkara
ọtụtụ
igodo/mmekọrịta
Isi akụ
A kọwapụtara igodo
Gụnyere index/ụdị
Dabere na nchekwa data
mba
mba
Ee
lekwasịrị anya na-ege ntị
ngalaba azụmahịa
nyocha
Onye nrụpụta/DBA
Ntinye aka AI
akwukwo
ike draft
Draft, nkwenye DBA
Mmejọ ndị nkịtị
- Na-eche banyere mmekọrịta ọtụtụ-na-ọtụtụ dị ka otu-na-ọtụtụ. Nke a bụ njehie ihe nlegharị anya kachasị; Ọ bụrụ na echefuru okpokoro etiti, usoro ahụ enweghị ike idobe ọnọdụ ahụ n'ezie.
- Na-etinye ihe niile n'otu tebụl. Ịchịkọta ubi niile n'otu tebụl maka "ịdị mfe" na-emepụta mpịaji na imelite anomalies.
- Anaghị ede ọkọwa okwu data. Otu KPI na-enye nsonaazụ dị iche iche mgbe ihe ubi pụtara n'uche.
- Na-atụkwasị ntụkwasị obi nke AI ụdị data na mmachi. Ihe nlereanya nwere ike na-atụ aro a "nnukwu ezuru" ebe; Iwu azụmahịa na-ekpebi oke oke (dịka ọnụọgụ TR ID 11).
- Na-emecha normalization. Ịdị oke oke na ọkwa akụkọ na-ebelata ajụjụ; Ebumnuche dịgasị iche dabere na ihe gbara ya gburugburu.
Akpachara anya: ọgụgụ isi nwere ike mepụta ụdị mara mma mana ọ mebiri iwu azụmahịa. Maka mmekọrịta ọ bụla nke ihe nlereanya ahụ tụrụ aro, ajụjụ a "ọ bụ n'ezie dị ka nke a?" Jụọ ajụjụ azụmahịa. Ụdị data bụ ọkpụkpụ nke usoro; Ọkpụkpụ n'ọkpụkpụ ahụ siri ike ịrụzi ma emechaa.
Na nchịkọta
Nlereanya data bụ usoro nke ịhazi eziokwu azụmahịa na ụlọ ọrụ, njirimara na mmekọrịta yana ihe a na-enweta na echiche, ezi uche na ọkwa anụ ahụ. Igodo nke isi na nke mba ọzọ na-ahụ na iguzosi ike n'ezi ihe; Nkịtị na-ebelata ugboro ugboro, ma deormalization bụkwa ihe ziri ezi dabere na ebumnuche. Akwụkwọ ọkọwa okwu data bụ asụsụ ọgbakọ na-asụkarị. AI na-enye nnukwu ọsọ ọsọ n'imepụta akwụkwọ ER, akwụkwọ ọkọwa okwu data, na nyocha nhazi; Otú ọ dị, ụdị mmekọrịta, ụdị data, na semantics azụmahịa ga-akwadorịrị megide iwu azụmahịa n'ezie. Naanị n'ihi na ihe nlereanya ahụ dị mma apụtaghị na ọ dị mma.
Ọrụ ngwa
Tụlee "usoro mbinye ego ụlọ akwụkwọ": ndị otu, akwụkwọ, ndekọ ego mbinye ego. (1) Nwee ederede ezi uche dị na ya site na ngwa ngwa siri ike mepụtara. (2) Nyochaa ụdị mmekọrịta ọ bụla nke ihe nlereanya ahụ na-atụ aro (kpọmkwem, "onye òtù ọlụlụ nwere ike ịnwe ihe karịrị otu akwụkwọ otu akwụkwọ ahụ?") na ajụjụ azụmahịa. (3) Chọta ma ọ dịkarịa ala otu mmekọrịta ọtụtụ-na-ọtụtụ wee kọwaa tebụl etiti. (4) Dee ahịrị ọkọwa okwu data maka opekata mpe 4 (aha, ụdị, iwu amanyere iwu, pụtara azụmahịa). (5) Kọwapụta ihe mgbochi nke ihe nlereanya ahụ nwere ike dabara ma kọwaa otu ị ga-esi nyochaa ya.
ndetu
- [] A kọwapụtara igodo isi nke tebụl ọ bụla.
- [] Ekwenyere m ụdị mmekọrịta ọ bụla na ajụjụ azụmahịa.
- [] A kọwapụtara m tebụl etiti maka ọtụtụ-na-ọtụtụ mmekọrịta.
- [] Edozikwara m ma ọ bụ kwenye na deormalization nke data oyiri.
- [] Edere m ahịrị ọkọwa okwu data maka mpaghara dị oke egwu.
- [] Ekwenyere m ụdị data AI / aro mgbochi megide iwu azụmaahịa.