Ugrás a fő tartalomra

Bejegyzések

PDI Pentaho Data Integrátor (Kettle) Hitachi Vantara

 Hitachi Vantara Data Integrátor Link :  https://help.pentaho.com/Documentation https://sourceforge.net/projects/pentaho/ Adat integráció fogalmai BI infrastruktúra : A platformon belüli összes eszköz ugyanazt a közös biztonsági megoldást, metaadat kezelést, adminisztrációs felületet, portál megjelenést, objektum modellezést és lekérdezés motort használja. Így egységes kinézetet és érzést kelt a felhasználóban.  Metaadat kezelés : Azon túl, hogy az összes eszköz ugyanazt a metaadat tárat használja, léteznie kell egy robusztus módnak, mellyel keresni, tárolni, újrafelhasználni és közzétenni lehet metaadat objektumokat. (Például dimenziókat, hierarchiákat, mérőszámokat és riport layoutokat)  Fejlesztés : A BI platformnak nyújtania kell olyan fejlesztői eszközt, mely segítségével kódolás nélkül, varázsló-szerű komponensekkel, grafikus felületen lehet objektumokat létrehozni vagy módosítani. Az eszköz segítségével olyan feladatokat is el kell tudni végezni, min...

PowerDesigner és ODI

  Séma és táblák kiválasztása SNP_MODEL          Models and their attributes. SNP_SUB_MODEL  Sub-models and their attributes. SMOD_TYPE           Sub-models belong to a model and may reference other SNP_TABLE             Datastores and their attributes. SNP_COL                Columns and their attributes. SNP_KEY                 Primary key (PK), Alternate keys (AK) and Indexes. SNP_KEY_COL         PK, AK and Indexes Columns. SNP_JOIN               References or Foreign Keys. SNP_JOIN_COL       Simple Reference Columns mapping. JOIN_COL               references JOIN and COL (twice) SNP_COND            Conditions and Filters defined for a dat...

AI / MI és a python

 AI / Mesterséges intelligencia és python program nyelv kapcsolata Mesterséges neurális hálózat Olyan rendszereket értünk alatta, amik rendelkeznek tanulási és predikciós algoritmussal.  Rendelkeznek egy vagy több réteggel is a tetszőleges probléma modellezésére, megoldására Egy neuron használatnál négy elemet kell figyelembe venni :  bemeneti- mátrix   súly- mátrix, az eltolás (bias)  az aktivációs függvény Általában arra kell törekedni a betanítás során, hogy a modell megtanuljon általánosítani, hogy mindig csak a releváns információt tanulja meg, és eddig nem ismert bemenetet kapva a felidézési fázisban, jó választ tudjon adni.  Ezt úgy érhetjük el, hogy próbáljuk elkerülni a túltanítást különböző regularizációs módszerekkel. Bár nem számít hiperparaméternek, fontos szerepet játszik a dropout is, ami magyarul kidobást jelent.  Ez alapvetően egy regularizációs módszer, azaz azt hivatott elősegíteni, hogy ne történjen túltanítás a modell tanítása...

Adatelemzés alapjai (python)

Telepítés   pip  ellenőrzi a csomag függőségeket is, és azokat próbálja telepíteni először. Előfordulhat, hogy a telepítés egy másik, függő csomag miatt lesz sikertelen, így figyeljük a hibaüzenetet és a megfelelő csomagot telepítsük bináris csomagból! pip használat Nyissunk parancssort és lépjünk be a Python mappába. A Python-t nem kell elindítani! Telepítés indítása például az ipython csomag esetén: Scripts\pip.exe install ipython Egy csomag eltávolítása az uninstall opcióval megy: Scripts\pip.exe uninstall ipython Whl telepítés A  whl  (wheel) kiterjesztésű csomagok az adott rendszerre binárisan elérhető csomagokat jelentik. Ezeket akkor célszerű használni, ha a  pip  nem ilyet talál és fordítani próbál, rendszerint sikertelenül. Keressünk elérhető bináris csomagot a neten! Figyeljünk arra, hogy a Python verziószám és a 32 vagy 64 bitesség egyezzen a telepített verzióval! Windows esetén indulhatunk az alábbi oldalról:  Unofficial Windows Binaries fo...