Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

1.

TERMIZ IQTISODIYOT VASERVIS UNIVERSITETI
“Iqtisodiyot va axborot texnologiyalari” kafedrasi
Fan: “IQTISODIYOTDAAXBOROT KOMMUNIKATSION
TEXNOLOGIYALARI VATIZIMLARI
”
8-mavzu. Ma’lumotlar
bazalari va katta hajmdagi ma’lumotlar bilan ishlash
texnologiyalari.
o’qituvchi Namazov G
Termiz - 2023

2.

REJA:
1.Ma’lumotlar bazalari va
ularni yaratish modellari.
2.Ma’lumotlar bazasini boshqarish
tizimlarining asosiy vazifalari va xususiyatlari.
3.Katta hajmdagi ma’lumotlar
(Big Data) qayta ishlash

3.

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari
1. Ma’lumotlar bazalari va ularni yaratish modellari.
Ma’lumotlar bazasi - bu ShK xotirasida
saqlanadigan va muammo soha holatini aks
ettiruvchi, maxsus tartibda tashkil qilingan
va o‘zaro bog‘langan ma’lumotlarning
majmuidir
MB katta hajmdagi ma’lumotlar bilan ishlash
va ularni saqlash uchun xizmat qiladi.
MB turlari: yozuv daftarchasi, lug‘atlar,
spravochniklar, ensiklopediyalar.
Ma’lumotlar bazasi– ma’lum predmet
sohasida tizimlashtirilgan ma’lumotlar modeli

4.

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari
M a ‘ l u m o t l a r b a z a s i – bu ma’lum bir predmet
tizimlashtirilgan
to‘plamidir.
(strukturalashtirilgan)
sohasiga oid
ma’lumotlarning nomlangan
M a ‘ l u m o t l a r b a z a s i n i b o sh q a r i sh tizimi ma’lumotlar bazasini
yaratish, ularni dolzarb holatini ta’minlash va undagi zarur axborotni topish
ishlarini tashkil etish uchun mo‘ljallangan dasturlar majmui va til vositasidir.
Ma’lumotlar banki – zaruriy axborotni olish maqsadida ma’lumotlarni
markazlashgan holda saqlash va jamoa bo‘lib foydalanish uchun mo‘ljallangan
axborotli, tematik, dasturiy, tillar, tashkiliy va texnik (saqlanayotgan
ma’lumotlar hamda texnologik jarayonda band personalni qo‘shganda)
vositalarining tizimi sifatida ifodalanishi mumkin.

5.

Ma’lumotlar bazalari modellari
Relyatsion MB-jadval ko‘rinishdagi
ma’lumotlar
Tarmoqli MB tegishli axborotlar bir nechta
yo‘nalish bo‘yicha olinishi mumkin.
Ierarxik MB chizmali usul asosida
tashkil qilinadi.

6.

Tarmoqli MB modeli
Ierarxik MB modeli
Relatsion MB modeli

7.

Relyatsion ma’lumotlar bazasi yagona nomga ega
bo‘lgan jadvallardan tashkil topadi
a. TFamiliyasi
Tug`ilgan yili
Lavozimi
Ish staji
Korxona kodi
a. 1Axmеdov
.
1954
Dirеktor
20
NA
a. 2Sobirov
.
1949
a. 3Jumanazarov 1968
.
N Sattorov
1956
muovin
Dirеktor
O`qituvchi
15
10
12
NA
ED
FT

8.

1
Bog‘lanish ma’lumotlar bazasining asosiy
qismi hisoblanadi. Chunki biz bazada
jadvallar bilan ishlaymiz va bu ishlash
davomida jadvallarni bir biriga bog‘laymiz.
Agar noto‘g‘ri bog‘lasak ma’lumotlar
bazamiz xunuk va noto‘g‘ri shaklga kelishi
mumkin.
Ma’lumotlar
bazasining
ixchamligi ham aynan shu bog‘lanishga
bog‘liq hisoblanadi. Bog‘lanishning 4 ta
turi mavjud va bular quyidagi lar
hisoblanadi:

9.

Zamonaviy MBBT quyidagi vazifalarni bajaradi

10.

MBBT imkoniyatlari
Katta hajmdagi ma’lumotlar bilan ishlash qulayligi
Ma’lumotlarni tezlikda izlash va sortirovka qilish
Ma’lumotlarning turli ko‘rinishlarda berish
Ma’lumotlarga o‘zgartirishlar kiritish, yozuvlarni
qo‘shish, o‘chirish, ma’lumotlar bazasining
tuzilishini o‘zgartirish
Boshqa Mblar bilan ma’lumot almashinish
Chop qilish
Turli xil hisobot hujjatlarining tayyor shakllarini
olish

11.

MB dasturiy tizimlari

12.

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari

13.

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari
MS Access oynasi

14.

Ma’lumotlar bazalari va katta hajmdagi ma’lumotlar bilan ishlash texnologiyalari
My SQL oynasi

15.

Fire Bird oynasi

16.

SQL Server oynasi

17.

2. Ma’lumotlar bazasini boshqarish tizimlarining asosiy
vazifalari va xususiyatlari.
Таблицы (Jadval) —
MB ning asosiy ob’ekti. Unda
ma’lumotlar saqlanadi.
Запросы (So’rov) — bu ob’ekt ma’lumotlarga ishlov
berish, jumladan, ularni saralash, ajratish, birlashtirish,
o’zgartirish kabi vazifalarni bajarishga muljallangan.
Формы (ko’rinish)—bu ob’ekt ma’lumotlarni tartibli
ravishda oson kiritish yoki kiritilganlarni ko’rib chiqish
imkonini beradi. Shakl to’zilishi bir qancha matnli
maydonlar, tugmalardan iborat bo’lishi mumkin.

18.

«Отчет» (Hisobot)—bu ob’ekt yordamida saralangan
ma’lumotlar qulay va ko’rgazmali ravishda qog’ozga chop
etiladi.
«Макросы» (Makros)—makrobuyruqlardan iborat ob’ekt.
Murakkab va tez-tez murojaat qilinadigan amallarni bitta
makrosga guruhlab, unga ajratilgan tugmacha belgilanadi
va ana shu amallarni bajarish o’rniga ushbu tugmacha
bosiladi. Bunda amallar bajarish tezligi oshadi.

19.

«Модули» (Modul)—Microsoft Access dasturining
imkoniyatini oshirish maqsadida ichki Visual Basic tilida
yozilgan dasturlarni o’z ichiga oluvchi va nostandart
operatsiyalarni foydalanuvchi tomonidan bajarilishiga
imkon yaratadi.
«Страницы» (Sahifalar) nomli alohida ob’ekt ham
mavjud. Bu ob’ekt HTML kodida bajarilgan, Web —
sahifada joylashtiriladigan va tarmoq

20.

MS Accessda yangi baza yaratish

21.

MB shablonlaridan foydalanish

22.

23.

24.

Jadval yaratish —
bu ma'lumotlarning o`ziga
xos xususiyatlarini e'tiborga olgan holda uning
maydonlarini ifodalash. Bu jarayon MB
oynasida «Sozdaniе» tugmasini bosish bilan
boshlanadi.

25.

Konstruktor yordamida jadval tashkil etish ma'lumot bazasining tuzilishi
(strukturasi) juda qulay tarzda yaratiladi. Jadvaldagi har bir ustun ma'lum bir
ko`rsatkichni bildiradi va uning tabiatiga xos bo`lgan ma'lumot turini qabul qiladi

26.

27.

28.

“Конструктор запросов” tanlanib
kerakli jadvallar tanlanadi

29.

30.

3. Katta hajmdagi ma’lumotlar
(Big Data) qayta ishlash
texnologiyalari

31.

Katta hajmdagi Ma’lumotlar (Big Data) qayta Ishlash texnologiyalari
2020 yilga kelib, insoniyat 40-44 zettabayt ma'lumotni tashkil qilishi
taxmin qilinmoqda. Va 2025 yilga kelib u 10 baravar ko'payadi, deyiladi
IDC tahlilchilari tomonidan tayyorlangan The Data Age 2025
hisobotida. Hisobotda qayd etilishicha, ma'lumotlarning aksariyati
oddiy iste'molchilar tomonidan emas, balki korxonalar tomonidan ishlab
chiqariladi, ma'lumotlar hayotiy muhim narsaga aylanadi va xavfsizlik
hal qiluvchi asos bo'ladi.
Katta ma'lumotlar bu juda katta miqdordagi ma'lumotlarni
tahlil qilish uchun yangi texnologik imkoniyatlarning paydo
bo'lishi bilan bog'liq bo'lgan ijtimoiy-iqtisodiy hodisadir.

32.

An'anaviy va Big Data ma'lumotlar bazasining qiyosiy jadvali.
An’anaviy ma’lumotlar Big Data
bazasi
Petabaytdan (1015bayt)
Axborot hajmi
Gigabaytdan
(109bayt)terabaytgacha eksabaytgacha (1018bayt)
(1012bayt)
Saqlash usuli
markazlashgan
markazlashmagan
Ma’lumotning
Yarim strukturalashgan
Strukturalashgan
strukturasi
va strukturalashmagan
Ma’lumotlarni saqlash Vertikal model
Gorizantal model
va qayta ishlash modeli
Xarakteristikasi
Ma’lumotlarning
bog’lanishi
Kuchli
Kuchsiz

33.

Katta ma'lumotlar bu har xil vositalar, yondashuvlar va
tarkibiy tuzilmalarni qayta ishlash usullari bo'lib, ularni aniq
vazifalar va maqsadlar uchun ishlatish uchun ishlatiladi.
Strukturalashmagan ma'lumotlar - bu oldindan belgilangan
tuzilishga ega bo'lmagan yoki ma'lum tartibda tashkil
qilinmagan ma'lumotlar.

34.

Katta ma'lumotlar - bu nafaqat ma'lumotlarning o'zi, balki ularni qayta ishlash va
ishlatish texnologiyalari, kerakli ma'lumotlarni katta massivlarda topish usullaridir.
Katta ma'lumot uchun Meta Group tomonidan 2001 yilda ishlab chiqilgan an'anaviy
aniqlovchi xususiyatlar "ularni" 3 v»:
1. Ovoz (Volume) - jismoniy hajmning qiymati.
2. Tezlik (Varety) - o'sish sur'ati va natijalarni olish uchun ma'lumotlarni tezkor qayta
ishlash zarurati.
3. Turli xillik (Velosyte) - har xil turdagi ma'lumotlarni bir vaqtning o'zida qayta
ishlash qobiliyati.
Qiymat-ma'lumotlarning qiymati u saqlash va qayta ishlash xarajatlarini oqlaydigan
nazariy yoki amaliy jihatdan foydali va zarur bo'lishi kerak.
Aniqlik - ma'lumotlar ishonchliligi, foydalanuvchilar mavjud ma'lumotlarning
ishonchliligiga tobora ko'proq ahamiyat bera boshladilar.

35.

Katta ma'lumotlarni yig'ish va qayta ishlashda foydalaniladigan
texnologiyalarni 3 guruhga bo'lish mumkin:
Dasturiy ta'minot
Texnik uskunalar
Xizmatlar

36.

DASTURIY TA`MINOT
NoSQL -Bu ma'lumotlar bazasini amalga oshirishga yo'naltirilgan bir qator yondashuvlarni
o'z ichiga oladi, ular an'anaviy, bog’langan MBBTlarda foydalaniladigan modellardan farq
qiladi. Ular doimo o'zgarib turadigan ma'lumotlar tuzilishi bilan foydalanish uchun qulaydir.
MapReduce -hisob-kitoblarni taqsimlash modeli. U juda katta ma'lumot to'plamlari
(petabaytlar * va boshqalar) bo'yicha parallel hisoblashlarda qo'llaniladi. Dastur interfeysida
ma'lumotlar qayta ishlash uchun dasturga emas, balki dastur ma'lumotlarga uzatiladi. Shunday
qilib, so'rov alohida dasturdir.
Hadoop-bu bir vaqtning o'zida minglab tugunlarda harakatlarni tashkil etadigan tarqatilgan
dasturlar bilan ishlash uchun maxsus yaratilgan loyiha. U bilan tanishish katta
ma'lumotlarning amaliy qo'llanilishini batafsilroq tushunishga yordam beradi.
SAP XANA - ma'lumotlarni saqlash va qayta ishlash uchun yuqori samarali NewSQL
platformasi. Yuqori tezlikda so'rovlarni qayta ishlashni ta'minlaydi. Yana bir o'ziga xos jihat
shundaki, SAP HANA analitik tizimlarni qo'llab-quvvatlash xarajatlarini kamaytirgan holda,
tizim landshaftini soddalashtiradi.

37.

Texnologik uskunalar
serverlar
infratuzilma
uskunalari
• ma'lumotlar ombori
• platformani tezlashtirish
vositalari
• uzluksiz quvvat manbalari
• server konsollari
to'plamlari
• va boshqalar

38.

Xizmatlar
Xizmatlar
ma'lumotlar bazasi arxitekturasini
yaratish
infratuzilmani tashkil qilish va
optimallashtirish
ma'lumotlarni saqlashni ta'minlash

39.

"Katta ma'lumotlar" atamasi 2008 yilda Nature muharriri
Clifford Lynch tomonidan dunyo miqyosidagi ma'lumotlar
hajmining keskin o'sishiga bag'ishlangan maxsus sonida
kiritilgan.

40.

Ko'p hollarda katta ma'lumotlar bilan ishlash
qayta ishlanmagan ma'lumotlarni to'plashdan
tortib to kerakli ma'lumotlarni olishgacha
bo'lgan standart ish oqimini o'z ichiga oladi.
Ma’lumotlarni
yig’ish.
Ishlanmagan
ma'lumotlarini
yig'ish.
Saqlash.Katta
ma’lumotlar bilan
ishlash uchun har
qanday platforma
ma'lumotlarni qayta
ishlashdan oldin ham,
keyin ham saqlash
uchun ishonchli, xavfsiz
va o'lchovli omborni o'z
ichiga olishi kerak.
Qayta ishlash va tahlil.
Katta ma'lumotlar
saralash, yig'ish,
birlashtirish yoki
maxsus kengaytirilgan
funktsiyalar va
algoritmlarni qo'llash
orqali erishiladi.
Vizualizatsiya va
foydalanish. Katta
ma'lumotlar bilan
ishlashning asosiy
maqsadi ularning
asosida amalda qo'llash
uchun qimmatli tahliliy
xulosalar olishdir.

41.

Katta ma'lumotlar bilan ishlash tamoyillari.
1. Gorizontal masshtablashtirish
2. Bardoshlilik
3. Ma'lumotlarning joylashuvi
Katta ma'lumotlar bilan ishlashning barcha zamonaviy
vositalari har holda shu uchta tamoyillariga amal qiladi.

42.

Fikrlashni
o’zgartirish :
qiyin
sababiyatdan
ko’ra
korrelatsiyalarg
a ishonish
Katta hajmli
ma’lumotlar
haqida yangicha
tushunchalarni
shakllantirish
Aniqlikka putur
yetkazgan holda
betartiblik bilan
ishlashga tayyor
bo’lish
Barcha ma’lumotlardan
qismlab yoki statik
tanlanmadan analiz
qilish

43.

Katta ma’lumotlar manbai
Masalan katta ma’lumotlarning oddiy manbai ijtimoiy tarmoqlarni o‘z
ichiga olishi mumkin – har bir profil yoki ommaviy sahifa o‘zida go‘yo
axborot okeanidagi kichik bir tomchini ifodalaydi. U yoki bu profilda
saqlanayotgan ma’lumotlar sonidan qat’i nazar, har bir foydalanuvchining
o‘zaro hamkorligi maksimal darajada tez bo‘lishi kerak.
Katta ma’lumot amalda inson hayotining deyarli har bir sohasida to‘planadi.
Bunga inson faoliyati bilan bog‘liq istalgan tarmoqni kiritsa bo‘ladi. Bu
ijtimoiy ommaviy axborot vositalari ham, tibbiyot ham, bank ishi ham,
shuningdek, qurilmalar tizimi, har kuni qabul qilinadigan ko‘p sonli
axborotlar natijalari ham, masalan, astronomik kuzatuvlar, metrologik
ma’lumotlar va Yerni tadqiq qilish qurilmalaridan olingan metrologik
ma’lumot va axborotlar bo‘lishi mumkin

44.

Yer sharining har bir nuqtasida o‘z mijozlariga ega jahonga mashhur
kompaniyalar («Facebook», «Google» va IBM kabi ijtimoiy gigantlar,
shuningdek, «Master Card», VISA va «Bank of America» kabi moliyaviy
tuzilmalar) ulardan foydalangandan so‘ng «Big Data» texnologiyasini
zamonaviy dunyo bozoriga faol tatbiq etish boshlandi. Masalan, IBM pul
o‘tkazmalari operatsiyalarida salmoqi ma’lumot uslubidan foydalanadi.
Mazkur uslub yordami bilan o‘tkazmalardagi 15 foizdan ortiq qalbaki
bitimlar (tovlamachilik) aniqlangan, himoyalangan pul mablag‘lari esa 60
foizga oshgan. Shuningdek, tizimdagi yolg‘on signallar bilan bog‘liq
muammolar hal qilindi — ularning soni yarmidan qo‘prog‘iga
kamaytirildi.

45.

Real vaqt tartibida turli kuzatuv
tizimlaridan olingan axborotlar u
yoki bu kompaniya serverlariga
taqdim etiladi. Televidenie va
radioeshittirish, mobil aloqa
operatorlari qo‘ng‘iroqlar bazasi —
bular bilan har bir konkret odam
minimal darajada o‘zaro muloqot
qiladi, ammo ushbu barcha
axborotlar umumlashgan holda kata
hajmdagi ma’lumotga

46.

Ma'lumotlarning bunday ulkan o'sishi Data Science-ni yuzaga
keltirdi., bu esa keyinchalik Machine Learning, Sun'iy Intelligent,
Deep Learning va boshqalarga tarqaldi. Ushbu texnologiyalarning
barchasi korxonalar o'zlarining yig'ilgan ma'lumotlarini anglashlari
va undan tushunchalar olishlari uchun mo'ljallangan
Digital Analitics
Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqarida
bo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik
hayotimizdagi
barcha
sohalar,
hukumatni
boshqarish,
tibbiyot,
telekommunikatsiya, moliya, transport, ishlab chiqarish va boshqa sohalarni
yanada yaxshilash, ularning imkoniyatlarini oshirish, muommolarga muqobil
yechimlar izlab topish imkonini yaratadi.

47.

Data lake(ma'lumotlar ko'li) - qayta ishlanmagan katta ma'lumotlar ombori.
"Ko'l" har xil manbalardan kelgan, har xil formatda bo'lgan ma'lumotlarni saqlaydi. Bu esa
odatiy relatsion ma'lumotlar omborida ma'lumotlarni aniq struktura asosida saqlashdan ko'ra
arzonroqqa tushadi. Ma'lumotlar ko'li, ma'lumotlarni boshlang'ich holatida analiz qilish
imkonini beradi. Bundan tashqari, "ko'l"lardan bir vaqtni o'zida bir nechta ishchilar
foydalanishlari mumkin.
Data science(ma'lumotlar haqidagi fan) - analiz muammolarini , ma'lumotlarni qayta ishlash
va ularni raqamli ko'rinishda taqdim etishni o'rganadigan fan.
Bu atama dunyoga kelgan vaqt 1974-yil hisoblanadi. O'sha yili Daniyalik informatik, Peter
Naur "A Basic Principle of Data Science" nomli kitobini chop ettirgan.

48.

2010-yillar boshida katta ma'lumotlarni tarqalishi natijasida bu yo'nalish juda foydali va
kelajagi bor biznesga aylandi. Data science tushunchasiga ma'lumotlar omborini loyihalash
va raqamlangan ma'lumotlarni qayta ishlashning barcha metodlari kiradi. Ko'plab
mutaxassislar fikricha, aynan data science big dataning biznes nuqtai nazaridan hozirgi
zamonoviy o'rindoshi hisoblanadi.
Data mining(ma'lumotlarni topish) - biron qonuniyatni topish maqsadida ma'lumotlarni
intellektual analiz qilishga aytiladi. Isroillik matematik Grigoriy Pyatetskiy-Shapiro 1989yilda bu atamani fanga kiritgan.
Texnologiyalar, avvalari noma'lum va foydali bo'lgan qayta ishlanmagan(hom)
ma'lumotlarni topish jarayoniga data mining(ma'lumotlarni topish) deyiladi. Data mining
metodlari ma'lumotlar ombori, statistika va sun'iy intellekt tutashgan nuqtada joylashadi.

49.

Machine learning(mashinali o'qitish) - o'zi o'rganadigan dasturlar yaratish
amaliyoti va nazariyasi, sun'iy intellektning katta qismi.
Dasturchilar o'z algoritmlariga xususiy hollarda umumiy qonuniyatlarni
aniqlashni o'rgatishadi. Natijada, kompyuter, inson avvaldan ko'rsatib o'tgan
buyruqlaridan emas, balki, o'z shaxsiy malakasidan kelib chiqib qaror qabul
qiladi. Bunday o'qitishning juda ko'p metodlari data mining'ga oid bo'lishi
mumkin.
Mashinanli o'qitishga birinchi tarifni 1959-yilda amerikalik informatik Artur
Samuel bergan. U sun'iy intellekt elementlariga ega bo'lgan shashka o'yini,
dunyoda birinchi o'zi o'rganadigan dasturni yaratgan

50.

Deep learning (chuqur o'qitish) - yanada murakkab va yanada mustaqil
bo'lgan o'zi o'qidigan dasturlar yaratadigan mashinali o'qitish turi. Oddiy
mashinali o'qitish hollarida boshqariladigan malaka yordamida kompyuter
bilimlarni aniqlab oladi: dasturchi algoritmga ma'lum misollarni
ko'rsatadi, xatolarni qo'lda to'g'rilaydi. Deep learningda esa, tizim o'zi o'z
funksiyalarini loyihalaydi, ko'p darajali hisob-kitoblar amalga oshiradi va
atrof-muhit haqida xulosalar qiladi.
Odatda chuqur o'qitishni neyron tarmoqlarga tadbiq qilishadi. Bu
texnologiya asosan rasmlarni qayta ishlashda, nutqni tanishda,
neyromashina tarjima, farmatsevtikadagi hisoblashlarda va boshqa
zamonaviy texnologiyalarda qo'llaniladi. Asosan Google, facebook va
Baidu tomonidan loyihalarga tadbir qilinadi.

51.

Business intelligence(biznes-analitika) - aniq strukturaga ega bo'lmagan juda
katta hajmdagi ma'lumotlarni qayta ishlash natijasida muqobil biznes
yechimlar izlashga aytiladi.
Effektiv biznes-analitika ichki va tashqi ma'lumotlarni analiz qiladi - ham
bozor axborotlarini, ham mijoz-kompaniyaning hisobotlarini hisobga oladi.
Bu biznesni butunlay tushunishga yordam beradi, shu bilan birga, strategik va
operatsion qarorlar qabul qilishga zamin yaratadi(mahsulot narxini
aniqlashda, kompaniya rivojlanishining asosiy yo'nalishlarini belgilab
olishda).
Bu atama 1958-yilda IBM taqdiqotchisi Xans Piter Lun maqolasida birinchi
bo'lib ko'rsatilgan. 1996-yilda axborot texnologiyalari bozorini o'rganishga
asoslangan Gartner analitik agentligi business intelligence tarkibiga data
mining metodikasini ham qo'shgan.

52.

Data Mining ma‘lumotlarni intellektual tahlil qiluvchi
texnologiya hisoblanib, amaliyotda keng qo‘llanilib
kelinmoqda.DM odatda ikki xil ma‘noni bildiradi, ya‘ni
katta hajmdagi ma‘lumotlar bazasi (MB)dan kerakli
ma‘lumotlarni qidirib topish hamdakatta hajmdagi ishlov
berilmagan materialni mazmunan tadqiq qilish demakdir.
DM ma‘lumotlarni intellektual tahlili, qonuniyatlarini
topish muhiti, bilimlarni kengaytirish, shablonlarni tahlil
qilish, MBdan bilimlarni axborot tarkibini aniqlash va h.k.
kabi ma‘noni anglatadi.

53.

McKinseyning Big data ma’lumotlarni tahlil qilish usullari:

54.

55.

Katta ma'lumotlarga misollar. Facebook va Google, IBM, Master Card,
VISA va Bank of America kabi moliyaviy institutlar kabi ijtimoiy
gigantlarni ko’rsatish mumkin.
Masalan, Tesla – Kompaniya so'nggi modelida
avtopilot yordamida yo'lovchini kerakli joyga
olib boradigan avtomobilni yaratishda
katta ma'lumot yordamidan foydalaniladi.

56.

Katta ma'lumotlar nafaqat pul ishlashga, balki uni tejashga imkon beradi.
Xususan, ushbu texnologiya Germaniya Mehnat vazirligiga ishsizlik
bo'yicha nafaqalar narxini 10 milliard evroga kamaytirishga yordam berdi,
chunki ma'lumotni o'rganib chiqqach, imtiyozlarning 20 foizi
to'lanmaganligi ma'lum bo'ldi.

57.

Sog'liqni saqlashda Big Data
Texnologiyalar tibbiyotda ham qo'llaniladi (bu ayniqsa Isroilda to'g'ri keladi).
Big Data-dan foydalanib, o'ttiz yillik tajribaga ega bo'lgan shifokorga
qaraganda ancha aniqroq tahlilni amalga oshirish mumkin. Har qanday
shifokor, tashxis qo'yilganda, faqat o'z tajribasiga tayanadi. Mashina buni
amalga oshirganda, minglab bunday shifokorlar tajribasiga va mavjud bo'lgan
barcha tibbiy yozuvlarga asoslanadi. Bemorning uyi qanday materialdan
tayyorlanganligi, jabrlanuvchi qaysi hududda yashashi, qanday tutun borligi va hokazolar
hisobga olinadi. Ya'ni, shifokorlar hisobga olmaydigan ko'plab omillarni hisobga oladi.

58.

Katta ma'lumotlar davolanish xarajatlarini
kamaytiradi, chunki xato tashxis qo'yish imkoniyati kamayadi.
Bu epidemiyalarni bashorat qilishda va shu kabi oqibatlarni
minimallashtirish uchun qanday profilaktika choralarini ko'rishga
yordam beradi.
Kasalliklarni dastlabki bosqichlarida aniqlash orqali oldini olishga
yordam beradi, bu esa davolashning oson va samarali qiladi. Tibbiy
natijalar asosida aniqlanadigan kasalliklar bo’yicha kerakli doridarmon bilan ta'minlanishi mumkin.

59.

Toronto bolalar kasalxonasi
tomonidan amalga oshirilgan
Project Artemis loyihasi. Bu real
vaqt rejimida chaqaloqlar to'g'risidagi ma'lumotlarni
to'playdigan va tahlil qiladigan axborot tizimi. Qurilma
har bir soniyada har bir bola uchun 1260 ta sog'liq
ko'rsatkichlarini tahlil qilishga imkon beradi. Ushbu
loyiha bolaning beqaror holatini oldindan aniqlashga va
bolalarda kasalliklarning oldini olishga qaratilgan.

60.

Yandex Rossiyada katta ma'lumotlardan foydalanishni boshladi: masalan,
Yandexda katta ma'lumotlar bo'limi mavjud. Kompaniya AstraZeneca va
Rossiya Klinik Onkologiya Jamiyati RUSSCO bilan birgalikda genetiklar va
molekulyar biologlar uchun mo'ljallangan RAY platformasini ishga tushirdi.
Loyiha saraton kasalligini tashxislash usullarini takomillashtirish va
saratonga moyilligini aniqlash imkonini beradi. Platforma 2016 yil dekabr
oyida ish boshladi.

61.

Katta ma'lumotlarga asoslangan ta'lim sohasidagi o'zgargan ba'zi sohalar:
Moslashtirilgan
va dinamik ta'lim
dasturlari
Qayta ishlash
kursi materiallari
Kasbni bashorat
qilish
• Shaxsiy
talabalarga foyda
keltiradigan
moslashtirilgan
dasturlar va
sxemalar har bir
talabaning o'quv
tarixi asosida
to'plangan
ma'lumotlar
yordamida
yaratilishi
mumkin. Bu
talabalarning
umumiy
natijalarini
yaxshilaydi.
• Talaba nimani
o'rganishi asosida
va kurs tarkibiy
qismlarini real
vaqt rejimida
kuzatish orqali
qay darajada
to'plangan
ma'lumotlarga
muvofiq o'quv
materialini qayta
tuzish talabalar
uchun foydalidir
• Har bir talabaning
yozuvlarini
tegishli ravishda
tahlil qilish va
o'rganish har bir
talabaning
taraqqiyoti, kuchli
tomonlari, zaif
tomonlari,
qiziqishlari va
boshqalarni
tushunishga
yordam beradi.
Bu kelajakda
talaba uchun
qaysi kasb eng
maqbul bo'lishini
aniqlashda ham
yordam beradi.
Baholash
tizimlari

62.

Big Data in Banking Sector

63.

64.

65.

66.

Davlat sektoridagi katta ma'lumotlar.
Turli siyosiy dasturlarga nisbatan tezroq va xabardor qarorlar qabul
qilishda
Darhol e'tiborga muhtoj bo'lgan joylarni aniqlash
qishloq xo'jaligi sohasida dolzarb bo'lgan barcha yerlar va chorva
mollarini hisobga olish.
Ishsizlik, terrorizm, energiya manbalarini qidirish va boshqa ko'plab
milliy muammolarni bartaraf qilishda.
Kiber xavfsizlikda Big Data firibgarlikning oldini olishda
Bundan tashqari, soliq to'lashdan bo'yin tovlaganlarni ushlashda ham
foydalaniladi.

67.

Mustaqil ish
1. Aviareyslar to’g’risida
2. Universtitut professor-o’qituvchilari to’g’risida
3. Qurilish tashkiloti xarajatlari
4. Asaka zavodida avtomobillar ishlab chiqarish
5. Respublikamizning aholisi
6. Operatsion tizimlar to’g’risida
7. Mehnat birjasi to’g’risida
8. fermer xo’jaliklari to’g’risida
9. Mashina parklari
10. Dorixona

68.

E’TIBORINGIZ
UCHUN RAHMAT