INTELIGENTNA ANALIZA DANYCH NA PLATFORMIE ANALITYCZNEJ
##plugins.themes.bootstrap3.article.sidebar##
Open full text
Numer Tom 14 Nr 1 (2024)
-
JESZCZE O CAŁKOWANIU LOGARYTMICZNYCH OSOBLIWOŚCI W METODZIE ELEMENTÓW BRZEGOWYCH
Tomasz Rymarczyk, Jan Sikora5-10
-
RÓWNANIA POLA ELEKTROMAGNETYCZNEGO W ŚRODOWISKU NIELINIOWYM
Viktor Lyshuk, Vasyl Tchaban, Anatolii Tkachuk, Valentyn Zablotskyi, Yosyp Selepyna11-16
-
OPTYCZNE ZMNIEJSZANIE WIDOCZNOŚCI POLA PLAMKOWEGO POPRZEZ REDUKCJĘ SPÓJNOŚCI CZASOWEJ
Mikhaylo Vasnetsov, Valeriy Voytsekhovich, Vladislav Ponevchinsky, Nataliia Kachalova, Alina Khodko, Oleksanr Mamuta, Volodymyr Pavlov, Vadym Khomenko, Natalia Manicheva17-20
-
WSKAŹNIKI JAKOŚCI DO WYKRYWANIA SYGNAŁÓW PROMIENIOWANIA BOCZNEGO Z EKRANÓW MONITORÓW PRZEZ WYSPECJALIZOWANE ŚRODKI TECHNICZNE WYWIADU WROGA
Dmytro Yevgrafov, Yurii Yaremchuk21-26
-
WPŁYW UDERZENIA PIORUNA NA HYBRYDOWĄ LINIĘ WYSOKIEGO NAPIĘCIA NAPOWIETRZNA LINIA PRZESYŁOWA – IZOLOWANA LINIA GAZOWA
Samira Boumous, Zouhir Boumous, Yacine Djeghader27-31
-
EFEKTYWNOŚĆ ENERGETYCZNA PANELI FOTOWOLTAICZNYCH W ZALEŻNOŚCI OD ROZDZIELCZOŚCI KROKU ŚLEDZENIA UKŁADU NADĄŻNEGO
Kamil Płachta32-36
-
CYFROWA REKONSTRUKCJA OBRAZÓW Z WYKORZYSTANIEM ALGORYTMU SURF
Shanmukhaprasanthi Tammineni, Swaraiya Madhuri Rayavarapu, Sasibhushana Rao Gottapu, Raj Kumar Goswami37-40
-
PODEJŚCIE TENSOROWE I WEKTOROWE DO ROZPOZNAWANIA OBIEKTÓW ZA POMOCĄ FILTRÓW CECH ODWROTNYCH
Roman Kvуetnyy, Yuriy Bunyak, Olga Sofina, Volodymyr Kotsiubynskyi, Tetiana Piliavoz, Olena Stoliarenko, Saule Kumargazhanova41-45
-
ARCHITEKTONICZNE, STRUKTURALNE I FUNKCJONALNE CECHY RÓWNOLEGŁO-HIERARCHICZNEJ ORGANIZACJI PAMIĘCI
Leonid Timchenko, Natalia Kokriatska, Volodymyr Tverdomed, Iryna Yepifanova, Yurii Didenko, Dmytro Zhuk, Maksym Kozyr, Iryna Shakhina46-52
-
SYMULACJA I MODELOWANIE KOMPUTEROWE DYNAMIKI KONSTRUKCJI MOSTÓW Z WYKORZYSTANIEM ANSYS
Anzhelika Stakhova, Adrián Bekö53-56
-
POPRAWA ZDROWIA UPRAW DZIĘKI CYFROWEMU BLIŹNIAKOWI DO MONITOROWANIA CHORÓB I RÓWNOWAGI SKŁADNIKÓW ODŻYWCZYCH
Sobhana Mummaneni, Tribhuvana Sree Sappa, Venkata Gayathri Devi Katakam57-62
-
PRZEGLĄD PODEJŚĆ DO MODELOWANIA PRZEWIDYWAŃ ZWIĄZANYCH Z WITRYNAMI INTERNETOWYMI
Patryk Mauer63-66
-
TWORZENIE WYSOCE WYSPECJALIZOWANYCH CHATBOTÓW DO ZAAWANSOWANEGO WYSZUKIWANIA
Andrii Yarovyi, Dmytro Kudriavtsev67-70
-
METODA OBLICZANIA WSKAŹNIKA BEZPIECZEŃSTWA INFORMACJI W MEDIACH SPOŁECZNOŚCIOWYCH Z UWZGLĘDNIENIEM DŁUGOŚCI ŚCIEŻKI MIĘDZY KLIENTAMI
Volodymyr Akhramovych, Yuriy Pepa, Anton Zahynei, Vadym Akhramovych, Taras Dzyuba, Ihor Danylov71-77
-
DOPASOWANIE ZGODNOŚCI W MODELACH 3D DLA DOPASOWANIA DŁONI 3D
Maksym Tymkovych, Oleg Avrunin, Karina Selivanova, Alona Kolomiiets, Taras Bednarchyk, Saule Smailova78-82
-
OPTYMALIZACJA DRZEWA DECYZYJNEGO OPARTA NA ALGORYTMIE GENETYCZNYM DO WYKRYWANIA DEMENCJI POPRZEZ ANALIZĘ MRI
Govada Anuradha, Harini Davu, Muthyalanaidu Karri83-89
-
MEDYCZNY ROZMYTY SYSTEM EKSPERCKI DO PRZEWIDYWANIA STOPNIA WSZCZEPIENIA IMPLANTÓW DENTYSTYCZNYCH U PACJENTÓW Z PRZEWLEKŁĄ CHOROBĄ WĄTROBY
Vitaliy Polishchuk, Sergii Pavlov, Sergii Polishchuk, Sergii Shuvalov, Andriy Dalishchuk, Natalia Sachaniuk-Kavets’ka, Kuralay Mukhsina, Abilkaiyr Nazerke90-94
-
POMIAR TEMPERATURY POWIERZCHNI KORZENIA PODCZAS OBTURACJI KANAŁÓW KORZENIOWYCH
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Pylyp Skoropad, Alla Ivanyshyn, Olena Basalkevych95-98
-
OCENA WYDAJNOŚCI OBRAZÓW TERMOGRAFICZNYCH DO PRZEWIDYWANIA STOPNIA GUZA PIERSI PRZY UŻYCIU DCNN
Zakaryae Khomsi, Mohamed El Fezazi, Achraf Elouerghi, Larbi Bellarbi99-104
-
KOMPLEKSOWE BADANIE: WYKRYWANIE TĘTNIAKA WEWNĄTRZCZASZKOWEGO ZA POMOCĄ HYBRYDOWEGO GŁĘBOKIEGO UCZENIA SIĘ VGG16-DENSENET NA OBRAZACH DSA
Sobhana Mummaneni, Sasi Tilak Ravi, Jashwanth Bodedla, Sree Ram Vemulapalli, Gnana Sri Kowsik Varma Jagathapurao105-110
-
DEFORMACJE MASY GLEBY POD DZIAŁANIEM CZYNNIKÓW CZŁOWIEKA
Mykola Kuzlo, Viktor Moshynskyi, Nataliia Zhukovska, Viktor Zhukovskyy111-114
-
OBLICZANIE PRZEPŁYWÓW PRACY BEZ PRZEPŁYWÓW PRACY: PODSTAWOWY ALGORYTM DYNAMICZNEGO KONSTRUOWANIA I PRZESZUKIWANIA NIEJAWNEGO SKIEROWANEGO GRAFU ACYKLICZNEGO W ŚRODOWISKU NIEDETERMINISTYCZNYM
Fedir Smilianets, Oleksii Finogenov115-118
-
INTELIGENTNA ANALIZA DANYCH NA PLATFORMIE ANALITYCZNEJ
Dauren Darkenbayev, Arshyn Altybay, Zhaidargul Darkenbayeva, Nurbapa Mekebayev119-122
Archiwum
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
-
Tom 10 Nr 4
2020-12-20 16
-
Tom 10 Nr 3
2020-09-30 22
-
Tom 10 Nr 2
2020-06-30 16
-
Tom 10 Nr 1
2020-03-30 19
##plugins.themes.bootstrap3.article.main##
DOI
Authors
Abstrakt
W artykule omówiono metody przetwarzania surowych danych z wykorzystaniem platformy analitycznej. Autorzy analizują istniejące metody i technologie stosowane do realizacji przetwarzania danych i proponują nowe podejścia do rozwiązania tego problemu. Rozważane są możliwości wykorzystania platform analitycznych do rozwiązania problemu przetwarzania surowych danych. Celem artykułu jest zbadanie możliwości importu danych, częściowego przetwarzania wstępnego, przywracania brakujących danych, usuwania anomalii, przetwarzania spektralnego i usuwania szumu. Autorzy sprawdzili, jak platformy analityczne mogą funkcjonować bez hurtowni danych, otrzymując informacje z innych źródeł, jednak najbardziej optymalnym sposobem jest ich wspólne wykorzystanie oraz jak duże zbiory danych można przetwarzać za pomocą platformy analitycznej. Autorzy omawiają możliwe problemy związane z problemami przetwarzania i sugerują sposoby ich rozwiązania. Szczególną uwagę zwrócono na kompletny zestaw mechanizmów, który pozwala na pozyskanie informacji z dowolnego źródła danych, przeprowadzenie całego cyklu przetwarzania i wyświetlenie wyników. Ogólnie rzecz biorąc, artykuł stanowi ważny wkład w rozwój technologii przetwarzania surowych danych. Artykuł kończy się przyszłościowym planem dalszych badań w tym obszarze.
Słowa kluczowe:
Bibliografia
Abdiakhmetova Z. M.: Wavelet data processing in the problems of allocation in recovery well logging. Journal of Theoretical and Applied Information Technology 95(5), 2017, 1041–1047.
Altybay A. et al: Numerical Simulation and Parallel Computing of the Acoustic Wave Equation. AIP Conference Proceedings 3085(1), 2024, 020006. DOI: https://doi.org/10.1063/5.0194676
Balakayeva G. et al: Development of an application for the thermal processing of oil slime in the industrial oil and gas sector. Informatics, Control, Measurement in Economy and Environmental Protection 13(2), 2023, 20–26. DOI: https://doi.org/10.35784/iapgos.3463
Balakayeva G. et al: Digitalization of enterprise with ensuring stability and reliability. Informatics, Control, Measurement in Economy and Environmental Protection 13(1), 2023, 54–57 [http://doi.org/10.35784/iapgos.3295]. DOI: https://doi.org/10.35784/iapgos.3295
Balakayeva G., Darkenbayev D.: The solution to the problem of processing Big Data using the example of assessing the solvency of borrowers. Journal of Theoretical and Applied Information Technology 98(13), 2020, 2659–2670.
Balakayeva G. T. et al: Using NoSQL for processing unstructured Big Data. News of the NAS of the Republic of Kazakhstan 6(438), 2019, 12–21. DOI: https://doi.org/10.32014/2019.2518-170X.151
Big Data Big Opportunity [http://www.oracle.com] (28.01.2012).
Darkenbayev D. K.: Numerical solution of the regression model for analysis and processing of Big Data. Vestnik KazNRTU 6(130), 2018, 132–139.
Franks B.: The Taming of Big Data: How to Extract Knowledge from Arrays of Information Using Deep Analytics. Mann, Ivanov and Ferber, 2014, 180.
Highlights: Unique Features of Statistica Data Miner [http://www.statsoft.com] (01.02.2014).
Lubanovic B.: Introducing Python: Modern Computing in Simple Packages 2nd Edition. O'Reilly Media, 2019.
Rastorguev V.: DataMining technology for data analysis in credit scoring methods. Banking Technologies (11), 2003, 14–18.
Rimmer J.: Contemporary changes in credit scoring. Credit Control 26 (4), 2005, 56–60.
Saar-Tsechansky M., Provost F.: Active sampling for class probability estimation and ranking. Machine Learning 54(2), 2004, 153–178. DOI: https://doi.org/10.1023/B:MACH.0000011806.12374.c3
Semenov Yu. A.: Large amounts of data (big data) [http://book.itep.ru] (21.04.2013).
Usachev S.: Credit scoring: desktop or enterprise solutions. Banks and technologies (4), 2008, 50–54.
[http: //www.basegroup.ru].
##plugins.themes.bootstrap3.article.details##
Abstract views: 442

