Spesialisering studier

Enhver studien er å observere egenskaper ved objekter for å klargjøre og evaluere meningsfulle forhold, og interaksjoner mellom indikatorer på disse egenskapene.

Fordypning omfatter gjenstander som er forskjellige i deres egenskaper og på en viss måte er i noen henseender henger sammen. Beslutningen programmeringsoppgaver begynner med en studie av fagområdet.

Spesialisering - dette er en del av den virkelige verden, som er uendelig og inneholder både viktige og uviktige data. Forskeren må kunne tildele en betydelig del av dem. For eksempel å løse problemet med lånet, vil bli vurdert all relevant informasjon om privatlivet til klienten (om det er en jobb med en ektefelle, mindreårige barn dersom kunden bringer, klient utdanning, etc.). Og for å løse andre oppgaver knyttet til bankvirksomhet, vil slike data være ganske betydelig. Data betydning avhenger av hva vi velger som fagområde.

I løpet av studien, må du opprette en domenemodell. Kunnskap fra ulike kilder bør formaliseres. Spesialisering formalisert ved hjelp av noen midler. Midler kan være svært forskjellige. Dette kan være en tekstbeskrivelse av domenet eller spesialiserte grafisk notasjon. Med domenemodellen beskriver prosesser som skjer i den, så vel som data for studieområdet er studert.

Uttalelse av problemet er også beskrivelsen av statiske og dynamiske oppførselen til objekter som vi undersøker. Beskrivelse statiske oppførsel omfatter egenskapene til objekter og deres egenskaper. I beskriver den dynamiske oppførselen karakterisert forårsaker adferds stedene.

Den dynamiske oppførsel av gjenstander er ofte beskrevet sammen med den statiske oppførsel.

Noen ganger domene og oppgaveanalyse er kombinert i ett trinn.

Trinnet med å bestemme og analysere data krav som stilles modelleringsdata nødvendig for data mining. For denne studien problemene med fordeling av brukere; analytiske egenskapene til systemet; datatilgang som er nødvendige for analysen.

Spesialisering analyser enklere og mer effektivt når en organisasjon har et datavarehus. Men ikke alle selskaper har en slik datavarehus. I dette tilfellet er kilden for de opprinnelige data er operative databaser, referanse og arkivmateriale, det er, data fra de eksisterende IS (informasjonssystemer).

Mer informasjon kan være nødvendig fra EF lederne for eksterne og interne kilder, ulike papirdokumenter, samt spesialisert kunnskap og / eller resultatene av meningsmålingene.

Du må også være klar over at i prosessen med data forberedelse programvareutviklere å beskrive så mye som mulige faktorer som påvirker prosessen. Det kan være noen koding data. For eksempel, en av karakteristikkene til klienten - inntektsnivå, som kan bli definert som: meget lav, lav, middels, høy, meget høy. I dette tilfellet er det nødvendig å bestemme graderingen inntektsnivå.

Ved fastsettelse av riktig mengde data må ta hensyn til data bestilling.

I tilfelle at de er bestilt, er det nødvendig å vite om inngår i et sett av sesong / sykliske komponentdata. Når de ikke er organisert, dvs. sett av hendelser fra databasen er ikke knyttet til tidslinjen, så i løpet av samlingen må være i samsvar med følgende regler:

1) et lite antall poster i databasen kan være årsak til dannelsen av en mangelfull modell;

2) nøyaktigheten av modellen kan forbedres ved å øke antallet av data;

3) gamle data blir ekskludert fra settet;

4) algoritmer som brukes til å lage en modell med svært store databaser, bør være i stand til å zoome.