Ответ от Ev[гуру]
Data - переводится как "данные".
Например, Data-кабель - кабель данных...
Ответ от Fireglow[гуру]
дата
дата
Ответ от ДядяВитя[гуру]
это файлы так зовутся...
это файлы так зовутся...
Ответ от Vagrant[гуру]
День....дата
День....дата
Ответ от - -[гуру]
данные
данные
Ответ от Пользователь удален[гуру]
э... а из какой это области (может быть масса вариантов)
э... а из какой это области (может быть масса вариантов)
Ответ от Михаил Сидоров[гуру]
вообще любые данные например программы музыка и т д все цифровое
вообще любые данные например программы музыка и т д все цифровое
Ответ от ALEXanderr1[гуру]
DATA данные
DATA BASE, DATABASE база данных
DATA BITS биты данных
DATA COMMUNICATION передача данных
DATA IN WRONG FORMAT Данные имеют неправильный формат
DATA OUT вывод данных
DATA RANGE диапазон
DATA RECEIVED полученные данные
DATA SIZE объем данных
DATA SOURCE источник данных
DATA WAREHOUSE информационное хранилище
DATABASE INTEGRITY целостность базы данных
DATACOM передача данных (см. Data communication)
А дата - DATE
DATA данные
DATA BASE, DATABASE база данных
DATA BITS биты данных
DATA COMMUNICATION передача данных
DATA IN WRONG FORMAT Данные имеют неправильный формат
DATA OUT вывод данных
DATA RANGE диапазон
DATA RECEIVED полученные данные
DATA SIZE объем данных
DATA SOURCE источник данных
DATA WAREHOUSE информационное хранилище
DATABASE INTEGRITY целостность базы данных
DATACOM передача данных (см. Data communication)
А дата - DATE
Ответ от Anatolij drozd[гуру]
данные_база данных
данные_база данных
Ответ от Hardstyle 4 ever![гуру]
data - information, facts.
data - While data is usually information resulting from or produced by a program, it can be the programs themselves. Data can be in memory only or can be also stored on disk or some other media. The collection and (hopefully) effective use of data is why we do what we do.
data - information, facts.
data - While data is usually information resulting from or produced by a program, it can be the programs themselves. Data can be in memory only or can be also stored on disk or some other media. The collection and (hopefully) effective use of data is why we do what we do.
Ответ от Ўжанка[гуру]
Простите, а как ещё доступнее...Праздник начался?
Простите, а как ещё доступнее...Праздник начался?
Ответ от Ёергей[гуру]
Если я правильно понял вы там диск записать пытаетесь. Дата это диск с файлами (Возможно мр3) А если Аудио то диск тоже с музыкой но его нельзя будет копировать на компьютере а только слушать
Если я правильно понял вы там диск записать пытаетесь. Дата это диск с файлами (Возможно мр3) А если Аудио то диск тоже с музыкой но его нельзя будет копировать на компьютере а только слушать
Ответ от НиколаиЧ™[гуру]
Data Mining (Интеллектуальный анализ данных [1]) — это технология выявления скрытых взаимосвязей внутри больших баз данных. Многие компании годами накапливают важную бизнес-информацию, надеясь, что она поможет им в принятии решений. И, казалось бы, извлечь факты из базы данных — допустим, выяснить, что в какой-то конкретный день и время клиент заказал товар X в магазине 123 — не так уж сложно. Однако здесь нужны не факты сами по себе, а знания — знания о том, что, например, магазины 123 и 130 продают товара X на 30% больше, чем другие точки. В общем, чем специфичнее информация, тем полезнее она для принятия решений. Таким образом, Data Mining (DM) и есть процесс обнаружения подобного рода полезных знаний о бизнесе.
Для чего применяется Data Mining
Data Mining может помочь предприятию точнее оценить свою работу. Рассмотрим один из методов — анализ потребительской корзины. Его применяют, чтобы выявить предпочтения потребителей и, соответственно, лучше удовлетворить спрос и повысить доход с клиентов. Однако характер покупательского поведения присутствует в данных неявно, и для его определения необходимо использовать именно Data Mining. И теперь можно выяснить, к примеру, что клиент, собирающийся купить товар X, будет не прочь приобрести заодно и товар Y. Эта информация ляжет в основу последующих решений: может быть, стоит располагать эти товары на витрине магазина рядом или, например, продвигать один из них, чтобы повысить продажи обоих.
Приложения Data Mining применяются довольно широко в: розничной торговле, маркетинге, финансах, здравоохранении, промышленном производстве и других областях.
Технологии, используемые в Data Mining
В основе большинства инструментов Data Mining лежат две технологии: машинное обучение и визуализация (визуальное представление информации). Качество визуализации определяется возможностями графического отображения значений данных. Варьирование графического представления путем изменения цветов, форм и других элементов упрощает выявление скрытых зависимостей.
Эффективность методов машинного обучения в основном определяется их способностью исследовать большее количество взаимосвязей данных, чем может человек.
Обе технологии дополняют друг друга в процессе осуществления «Data Mining»-анализа. Визуализация используется для поиска исключений, общих тенденций и зависимостей и помогает в извлечении данных на начальном этапе проекта. Машинное обучение используется позднее для поиска зависимостей в уже отлаженном проекте.
Машинное обучение предполагает использование различных методов, например:
деревьев решений;
ассоциативных правил;
генетических алгоритмов;
нейронных сетей.
Деревья решений предназначены для классификации данных, они используют весовые коэффициенты для распределения элементов данных на всё более и более мелкие группы. Метод ассоциативных правил классифицирует данные на основе набора правил, подобных правилам в экспертных системах. Эти правила можно генерировать, используя процесс поиска и проверки комбинаций правил, или извлекать правила из деревьев решений. В нейронных сетях знания представлены в виде связей, соединяющих набор узлов. Сила связей определяет зависимости между факторами данных.
Data Mining (Интеллектуальный анализ данных [1]) — это технология выявления скрытых взаимосвязей внутри больших баз данных. Многие компании годами накапливают важную бизнес-информацию, надеясь, что она поможет им в принятии решений. И, казалось бы, извлечь факты из базы данных — допустим, выяснить, что в какой-то конкретный день и время клиент заказал товар X в магазине 123 — не так уж сложно. Однако здесь нужны не факты сами по себе, а знания — знания о том, что, например, магазины 123 и 130 продают товара X на 30% больше, чем другие точки. В общем, чем специфичнее информация, тем полезнее она для принятия решений. Таким образом, Data Mining (DM) и есть процесс обнаружения подобного рода полезных знаний о бизнесе.
Для чего применяется Data Mining
Data Mining может помочь предприятию точнее оценить свою работу. Рассмотрим один из методов — анализ потребительской корзины. Его применяют, чтобы выявить предпочтения потребителей и, соответственно, лучше удовлетворить спрос и повысить доход с клиентов. Однако характер покупательского поведения присутствует в данных неявно, и для его определения необходимо использовать именно Data Mining. И теперь можно выяснить, к примеру, что клиент, собирающийся купить товар X, будет не прочь приобрести заодно и товар Y. Эта информация ляжет в основу последующих решений: может быть, стоит располагать эти товары на витрине магазина рядом или, например, продвигать один из них, чтобы повысить продажи обоих.
Приложения Data Mining применяются довольно широко в: розничной торговле, маркетинге, финансах, здравоохранении, промышленном производстве и других областях.
Технологии, используемые в Data Mining
В основе большинства инструментов Data Mining лежат две технологии: машинное обучение и визуализация (визуальное представление информации). Качество визуализации определяется возможностями графического отображения значений данных. Варьирование графического представления путем изменения цветов, форм и других элементов упрощает выявление скрытых зависимостей.
Эффективность методов машинного обучения в основном определяется их способностью исследовать большее количество взаимосвязей данных, чем может человек.
Обе технологии дополняют друг друга в процессе осуществления «Data Mining»-анализа. Визуализация используется для поиска исключений, общих тенденций и зависимостей и помогает в извлечении данных на начальном этапе проекта. Машинное обучение используется позднее для поиска зависимостей в уже отлаженном проекте.
Машинное обучение предполагает использование различных методов, например:
деревьев решений;
ассоциативных правил;
генетических алгоритмов;
нейронных сетей.
Деревья решений предназначены для классификации данных, они используют весовые коэффициенты для распределения элементов данных на всё более и более мелкие группы. Метод ассоциативных правил классифицирует данные на основе набора правил, подобных правилам в экспертных системах. Эти правила можно генерировать, используя процесс поиска и проверки комбинаций правил, или извлекать правила из деревьев решений. В нейронных сетях знания представлены в виде связей, соединяющих набор узлов. Сила связей определяет зависимости между факторами данных.
Ответ от 22 ответа[гуру]
Привет! Вот подборка тем с похожими вопросами и ответами на Ваш вопрос: Что такое Data?