پکیج جزوات پایگاه داده ها به همراه نمونه سوالات پایانی

اختصاصی از فی فوو پکیج جزوات پایگاه داده ها به همراه نمونه سوالات پایانی دانلود با لینک مستقیم و پر سرعت .

دانلود مجموعه جزوات پایگاه داده ها به همراه نمونه سوال های پایانی
+ شامل چندین جزوه مربوط به پایگاه داده ها از اساتید مختلف 

...

نـوع فایـل :  PDF

تعداد صفحات : 500

حجم فایل :  8.2 مگابایت

داده کاوی مفهوم و کاربردهای آن

اختصاصی از فی فوو داده کاوی مفهوم و کاربردهای آن دانلود با لینک مستقیم و پر سرعت .

داده کاوی مفهوم و کاربردهای آن 

45 صفحه قابل ویرایش 

قیمت فقط 5000 تومان 

چکیده

اخیراً توانایی‌های ما در ایجاد و جمع‌آوری داده با سرعت زیادی افزایش یافته است. استفادة گسترده از بارکدها برای بیشتر تولیدات،‌ کامپیوتری شدن بیشتر تجارت‌ها و تراکنشهای بانکی و پیشرفتهایی که در ابزارهای جمع‌آوری داده ایجاد شده است، ما را با حجم گسترده‌ای از داده روبرو کرده است. میلیونها پایگاه‌داده در مراکز مختلف مثل بانکها، دانشگاه‌ها و مراکز دولتی استفاده می‌شوند. تعداد چنین پایگاه‌داده‌هایی با سرعت افزایش می‌یابد که این به دلیل در دسترس بودن و قوی بودن سیستم‌های پایگاه‌داده‌ای است. علاوه بر این وب که امروزه از مراجع مهم اطلاعاتی به شمار می‌رود، در حال حاضر از صدها تریلیون بایت تشکیل می‌شود و همچنان به سرعت در حال رشد است و این در حالیست که تنها بخش کوچکی از اطلاعات وب مربوط به شماست و یا برای شما مفید است! چنین رشد عظیمی در داده و پایگاه‌های داده یک نیاز فوری به تکنیکها و ابزارهایی که بتوانند به صورت خودکار و هوشمند داده را به اطلاعات و دانش مفید تبدیل کنند، بوجود آورده است.

داده‌کاوی که با عنوان کشف دانش از پایگاه‌های داده هم شناخته می‌شود، فرایندی برای استخراج دانش مفید از قبل ناشناخته (مثل قوانین، محدودیتها و…) از داده در پایگاه‌های داده می‌باشد.

کشف و استخراج اطلاعات و دانش از پایگاه‌داده‌های بزرگ برای بسیاری از محققان به عنوان یک موضوع تحقیقاتی کلیدی در سیستم‌های پایگاه‌داده و یادگیری ماشین شناخته می‌شود. در بسیاری از شرکت‌های صنعتی هم داده‌کاوی به عنوان مسئله مهمی که فرصتهای حیاتی سودآوری را برای شرکت فراهم می‌کند، مطرح می‌باشد. دانش کشف شده می‌تواند در مدیریت اطلاعات، پردازش پرس و جوها، تصمیم سازی و کاربردهای مختلف دیگری بکار گرفته شود. محققان در زمینه‌های مختلفی به مسئله داده‌کاوی علاقه نشان داده‌اند و کارهای مختلفی در راستای بکارگیری آن انجام‌ شده است. بعضی از کاربردهای آن عبارتند از: کاربردهای داده‌کاوی درایجاد اطلاعات برای ساخت پایگاه‌داده‌های تحلیلی و سرویسهای بر خط اینترنت و استفاده از تکنیکهای داده‌کاوی برای فهم بهتر رفتار کاربر، سرویس‌دهی بهتر و افزایش فرصتهای تجاری.

شبکة گستردة جهانی هم که یک سرویس مرکزی عظیم است و به صورت گسترده‌ای توزیع شده است، دارای اطلاعاتی دربارة اخبار، تبلیغات، آنچه مشتریان باید از محصولات مختلف بدانند، مدیریت مالی، آموزش، دولتها، تجارت الکترونیکی و ... است و علاوه بر این دارای یک مجموعة غنی و پویا از پیوندها برای دسترسی به صفحات وب و استفاده از اطلاعات است، که این مجموعه در کل یک منبع غنی برای داده‌کاوی ایجاد می‌کند.

فهرست

مقدمه.............................................................................................................................................................1

سابقه داده کاوی............................................................................................................................................2

مفهوم داده کاوی...........................................................................................................................................3

دانش داده کاویdata mining)).............................................................................................................4

کاربرد...........................................................................................................................................................4

رابطه داده کاوی با آنالیز آماری..................................................................................................................5

مراحل اصلی داده کاوی..............................................................................................................................5

مثال تفهیمی در مورد داده کاوی...............................................................................................................5

تفاوت داده کاوی و آنالیزهای آماری..........................................................................................................6

فواید و نقش داده کاوی در فعالیت شرکتها...............................................................................................7

تاریخچه داده کاوی.....................................................................................................................................7

تحلیل داده کاوی........................................................................................................................................8

مفاهیم اساسی در داده کاوی....................................................................................................................9.

مثالی کلاسیک از کاربرد داده کاوی...........................................................................................................10

فرآیند داده‌کاوی.........................................................................................................................................12

نرم‌افزارهای داده‌کاوی................................................................................................................................12

داده‌کاوی و مدیریت دانش..........................................................................................................................13

مروری بر مفاهیم و الگوریتم های داده کاوی.............................................................................................13

طبقه بندی روشهای داده کاوی..................................................................................................................15

زیربنای داده کاوی......................................................................................................................................15

تکنولوژی ها ی مرتبط با داده کاوی ..........................................................................................................16

داده کاوی و مفهوم اکتشاف علومK.D.D)) ............................................................................................19

چه نوع داده‌هایی میتوانند مورد کاوش قرار گیرند؟.................................................................................20

چه نوع اطلاعاتی مناسب داده کاوی است؟...............................................................................................22

نگاهی مختصر به دو نمونه از الگوریتمهای داده کاوی..............................................................................25

کاربرد علم آمار و روشهای آماری در داده کاوی.......................................................................................26

کاربرد داده‌کاوی در آموزش عالی..............................................................................................................28

کاربردهای داده کاوی در کتابخانه ها و موسسات دانشگاهی...................................................................29

مدیریت و خدمات کتابخانه........................................................................................................................33

مدیریت موسسات دانشگاهی....................................................................................................................34

داده کاوی و کاربرد آن در کیفیت داده ها.................................................................................................35

استفاده از روشهای داده کاوی در تشخیص نفوذ به شبکه های کامپیوتری ...........................................35

سیستم های تشخیص نفوذ -( IDS ).......................................................................................................36

داده کاوی و کاربرد آن در کشف نفوذ.......................................................................................................37

تکنیک ها داده کاوی و الگوریتم های آن..................................................................................................37

گام های انجام تحقیقات.............................................................................................................................38

مجموعه داده  KDDCup99...................................................................................................................39

چهار دسته حمله در KDD99..................................................................................................................40

انتخاب روش برچسب گذاری.....................................................................................................................41

انتخاب معیار های ارزیابی کارائی..............................................................................................................41

نحوه نمایش نتایج.......................................................................................................................................42

تکنیک های داده کاوی در روابط عمومی الکترونیک...............................................................................42

داده کاوی در روابط عمومی الکترونیک.....................................................................................................44

منابع............................................................................................................................................................45

فهرست جداول

جدول 1......................................................................................................................................................33

جدول 2......................................................................................................................................................36

فهرست شکل­ها و تصاویر

فرایند داده کاوی (شکل-1)......................................................................................................................12

روش های داده کاوی (شکل-2).................................................................................................................17

سیستم های تشخیص نفوذ (شکل-3)......................................................................................................36

IDS (شکل-4)...........................................................................................................................................36

) Building Data Mining Modelsشکل-5(...................................................................................37

الگوریتم های بررسی شده (شکل-6).......................................................................................................38

شمایی از شبکه ایجاد شده برای جمع آوری داده های KDD99 (شکل-7).........................................40

چهار دسته حمله در KDD99 (شکل-8)................................................................................................40

معیار های ارزیابی کارائی (شکل-9)..........................................................................................................41

دانلود مقاله کامل درباره مروری بر چگونگی استخراج داده و مدیریت آن در کامپیوتر

اختصاصی از فی فوو دانلود مقاله کامل درباره مروری بر چگونگی استخراج داده و مدیریت آن در کامپیوتر دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل: Word (قابل ویرایش و آماده پرینت)

تعداد صفحه :88

فهرست مطالب :

عنوان                                                  صفحه   

بخش اول : تأثیر استخراج داده‌ها بر CRM...........

فصل اول : روابط مشتری

مقدمه............................................ 2   

استخراج داده‌ها چیست.............................. 5

یک نمونه ........................................ 6

ارتباط با فرآیند تجاری .......................... 8

استخراج داده‌ها و مدیریت روابط مشتری ............. 11

استخراج داده‌ها چگونه به بازاریابی بانک اطلاعاتی کمک می‌نماید 12

امتیاز دهی ...................................... 13

نقش نرم‌افزار مدیریت مبارزه....................... 13

افزایش ارزش مشتری ............................... 14

ترکیب استخراج داده‌ها و مدیریت مبارزه ............ 15

ارزیابی مزایای یک مدل اسخراج داده ها ............ 15

فصل دوم: استخراج داده‌ها و ذخیره داده‌ها- یک منظره مرتبط به هم

مقدمه ........................................... 17

استخراج داده‌ها و ذخیره داده‌ها ، یک ارتباط ....... 18

بررسی ذخیره داده‌ها............................... 21

ذخیره داده‌ها ROI................................. 21

ذخایر داده های علمی واطلاعاتی .................... 23

 تعریف و خصوصیات یک مخزن اطلاعاتی ................ 30

معماری انبارداده‌ها .............................. 34

استخراج داده‌ها .................................. 38

استخراج داده‌های تعریف شده ....................... 38

قملروهای کاربرد استخراج داده‌ها................... 40

مقوله‌های استخراج داده‌ها و کانون تحقیق ........... 41

فصل سوم: مدیریت رابطه با مشتری

مقدمه............................................ 48

سودمندترین مشتری ................................ 49

مدیریت رابطه مشتری............................... 50

بانک اطلاعاتی متمرکز برمشتری ..................... 53

اداره مبارزات ................................... 54

تکامل تدریجی بازاریابی .......................... 56

بازاریابی حلقه بسته ............................. 57

معماریCRM....................................... 57

نسل بعدیCRM..................................... 58

بخش دوم: بنیاد - تکنولوژیها و ابزار ............. 60

فصل چهارم : اجزاء ذخیره سازی داده‌ها

مقدمه ........................................... 61

معماری کلی ...................................... 62

بانک اطلاعاتی انبار داده‌ها ....................... 63

ابزارهای ذخیره‌سازی، تحصیل، تهذیب و انتقال ....... 64

متادیتا.......................................... 65

ابزار دسترسی .................................... 70

دسترسی و تجسم اطلاعات ............................ 71

اصول مشاهده یا تجسم داده‌ها ...................... 72

ابزار بررسی و گزارش ............................. 76

کاربردها ........................................ 77

ابزار OLAP...................................... 77

ابزارها استخراج داده‌ها .......................... 78

مقدمه

بازار ابزار استخراج داده ها از دو راه ابتدایی خود در حال ظهور می‌باشد . بسیاری از ابزارهایی که در اینجا توضیح داده می‌شوند ، در مرحلة اول انتشار می‌باشند.

موقعیت در بازار CRM که عموماً بخشی از سیستم تجارت الکترونیکی در نظر گرفته می‌شود ، پیچیده تر می‌باشد و بنابراین با سرعت وب یا شبکه در حال حرکت می‌باشد. بازار CRM ، حتی بیشتر از بازار ابزار استخراج داده‌ها با چندین فروشنده که بر تعریف خود بازار و موقعیت خود در این بازار متمرکزند ، توصیف می‌گردد.

این اشتباه، با ماهیت بسیار دینامیک خود بازار که یک فعالیت قابل رویت تحکیم مشتری، شرکتهای ادغامی‌و تملیک ها را تحمل می‌کند، بیشتر می‌گردد. علی رغم کل این چالشها، باز رو به تکامل می‌رود و فروشندگان، پیشرفت مهمی‌در علمی‌بودن ابزار، قابلیت استفاده و قابلیت اداره‌ کسب می‌کنند.

اولین بخش این فصل ، به کاربردهای بسته بندی شده  استخراج داده ها می‌پردازد. این کاربردها ، بر اساس چندین تکنیک استخراج داده ها  ادغام شده در ابزارهای بهتر می‌باشد . همراه با بهترین عملکرد ها ، اسلوب شناسی های خوب تعریف شده و فرآیندها، راه خود را در محیط های تولید شرکتها که در آن استخراج داده ها بخشی از یک فرآیند موسسه ای شده می‌شود می‌یابند که شامل رشد و یادگیری سازمانی می‌شود .

بازار استخراج داده ها

بیائید بازار استخراج داده ها را از نقطه نظر منحنی اقتباسی تکنولوژی در نظر بگیریم ایمنی به اقتباس کنندگان اولیه ، از تکنولوژی لبة یادگیری برای دستیابی به مزیت رقابتی استفاده می‌کنند ؛ هنگامیکه تکنولوژی تکامل می‌یابد ، شرکتهای بیشتری آن را اقتباس می‌کنند ، و در یک حالت تجارت زمانی و عادی درج می‌نمایند . همچنین مناطق عملی بودن ابزاهای استخراج داده ها بزرگتر و بزرگتر می‌شوند. به عنوان مثال ، تکنولوژی وایت اوک ( یک شرکت استخراج داده ها در مریلند)  از جانب کمیسیون فدرال الکترون، مجوز فروش سیستم گچین ماینر Capain Miner را کسب کرده است که بی نظمی‌در دخالتهای سیاسی فدرال را کشف می‌کند . نورتل، یک بسته کشف کلاهبرداری را توسعه داده است به نام سوپر اسلوت فراود ادوایسور ، که از تکنولوژیهای شبکة عصبی استفاده می‌کند .

صنعت ابزار استخراج داده ها ، برخلاف تکنولوژیهای استخراج داده ها ، در مرحلة عدم تکامل قرار دارد و می‌کوشد تا بازار را تعیین نماید . و وجودش را تائید کند . به همین دلیل است که در می‌یابیم بازار ابزارهای استخراج داده ها تحت تاثیر موارد زیر قرار دارد:

•  ادغام پیوسته و مداوم ابزارها با اتکاء به تکنولوژیهای مکمل و به عنوان مثال OLAP
•  ظهور کاربردهای بسته بندی شدة عمودی و یا اجزاء استخراج داده ها برای توسعة کاربرد .
•  استراتژیهای بسیار اقتباس شده شرکت بین فروشندگان ابزار استخراج داده ها و فروشندگان تهیه کنندگان راه حل جامع و ادغام کننده های سیستم ها : فروشندگان مقیاس مؤسسه ، همانند IBM NCR ، اوراکل ، میکروسافت ) به عنوان مثال ، اوراکل چندین شریک متعدد استخراج داده ها به عنوان بخشی از او را کل ویرهاوس اینتیشیتیو از جمله آنگاسن دیتا مایند ، دیتاپکیج اینفورمیشن دیسکاوری ، SRA , SPSS اینترنشنال و تینکینگ ماشینز را انتخاب کرده است .

اصول طبقه بندی ابزارهای استخراج داده ها

ما می‌توانیم کل بازار ابزارهای استخراج داده ها را به سه گروه اصلی تقسیم نمائیم ؛ ابزارهای دارای هدف کلی ، ابزارهای ادغام شدة استخراج داده ها DSSOLAP ، و ابزارهای به سرعت در حال رشد و برای کاربرد.

ابزارهای هدف کلی بخش بزرگتر و کامل تر بازار را اشغال می‌کند . آنها بنا به تعریف و برای کاربرد نیستند و حوزه آنها از نظر ماهیت افقی است . این ابزار شامل موارد زیر می‌شود .

• SAS اینترپراز ماینر
• IBM اینتلیجنت مایننر
• یونیکا PRW
• SPSS کلمنتین
• SGI ماین ست
• اوراکل داروین
• آنگاس نالج سیکر

بخش ابزار مرکب یا اداغام شدة استخراج داده ها بر شرط تجاری بسیار واقعی و اجباری داشتن ابزار چند منظورة تقویت تصمیم تاکید می‌کند که گزارش مدیریت ، پردازش تحلیلی روی خط ، و قابیت های استخراج داده ها در یک قالب کاری عادی را فراهم می‌کند . نمونه های این ابزار های مرکب شامل کاکنوس  سیناریو و بیزینس آبجکت می‌شود.

بخش ابزارهای ویژة کاربرد ، به سرعت در حال حرکت است ، و فروشندگان در این فضا ، می‌کوشند تا خود را با ارائة راه حلهای تجاری به جای جستجوی تکنولوژی برای یک راه حل ، از سابرین متمایز نمایند . حوزة این ابزار ، بنا به تعریف از نظر ماهیت عمودی است . در بین این ابزارها ، موارد زیر قرار دارند:

• KD1 ( متمرکز بر خرده فروشی است )
• حق انتخابها و انتخابها ( بر صنعت بیمه متمرکز است )
• HNC ( بر کشف کلاهبرداری متمرکز است )
• یونیکا مدل 1 ( بر بازاریابی متمرکز است )

ارزیابی ابزار : صفات و اسلوب شناسی ها

کل این عوامل ارائه یک توصیف بهینه از ابزارهای استخراج طولانی تر موجود را مشکل ساخته است . بنابراین . بطور کلی ابزارهای استخراج داده ها را می‌توان با استفاده از صفات زیر ، توصیف نمود :

•  تکامل محصول و ثبات و استحکام شرکت . به دلیل عدم تکامل کلی بازار تجاری برای ابزارهای استخراج داده ها ، این مقوله محصولاتی را توضیح می‌دهد که برای جنبش از چند سال وجود داشته اند.
•  سکوها و معماری. سکوهای متنوع از نظر تجاری موجود را تقویت کنید ، مدل چند تأبیری مشتری / خادم را تقویت کنید . هدف قابلیت سنجش، دسترسی به سرعت نزدیک به خطی و سنجش زمان اجرا ، به عنوان میزان داده ها ( اندازة بانک اطلاعاتی ) ، تعداد متغیرها ، و تعداد کاربران متصل به هم می‌باشد که در حال رشد هستند .
•  تداخلهای داده ها ، قابلیت ابزار برای دسترسی به بانکهای اطلاعاتی ارتباطی ، فایلهای یکنواخت و سایر فورمتها.
•  قابلیتهای استخراج داده ها از جمله تکنیکها ، الگوریتم ها و کاربردهای تحلیلی ،‌ تکنیکهای استخراج داده ( ANN ، CART ، ایفاء قانون و غیره ) با تداخل عادی کاربر که ابزار می‌تواند آن را تقویت نماید، توانایی ایجاد و مقایسة چندین مدل ؛ و توانایی برای تقویت تعدادی از انواع مختلف تجزیه و تحلیل از جمله طبقه بندی ، پیشگویی و کشف اتحاد.
•  ایجاد داده ها قابلیت تغییر شکل و طبقه بندی متغیرهای پیوسته ، ایجاد متغیرهای جدید ، استفاده از تاریخها و زمان ، استفاده از ارزشهای از دست رفته و غیره.
•  مدل (خصوصیت تفسیر ، ارزیابی ، صف بندی) . این مقوله ، ابزار را از نظر قابلیت انجام کارهای زیر ، ارزیابی می‌کند:
• شناسایی مدل بطور اتوماتیک یا دستی ، توسط کاربر
• توضیح نتایج و تعریف مقایسهای اعتمادی یعنی احتمالات طبقه بندی ،‌ حدود اعتماد و غیره
• ارزیابی نتایج مدل با درجه و تناسب
• گزارش دخالت و سهم هر متغیر در مدل ، گزارش درجة افزایش و غیره
• صف بندی مدل برای امتیاز بانکهای اطلاعاتی منبع
• استخراج مقرارت از مدل
• دسته بندی قوانین استخراج شده در یک شکل استاندارد ( به عنوان مثال کد SQL، اظهارات روشی )
• عملکرد
• اعتبار پیشگویی اعتبار بر اساس نرخ خطای نمونة پیشگویی می‌باشد ؛ اعتبار مدل را می‌توان با درجة افزایش اندازه گیری نمود.
• کارایی پردازش . اجزای بهینة زمان اجرای الگوریتم ها
•  تداخلهای کاربر . این مقوله در می‌یابد آیا ابزار یک کاربر مبتدی و یا کارشناس را تقویت می‌کند یا نه و موارد زیر را تقویت می‌نماید:
• الگوهای سنجش تجاری . قابلیت ایجاد الگوهای از قبل بسته بندی شده ، برای تقویت بسته های تجاری ویژه ( به عنوان مثلا بازاریابی هدف ، امتیازدهی اعتبار، کشف کلاهبرداری ).
• تداخل متادیتا . قابلیت تقویت وظیفة طراحی معنایی ؛ دستیابی به متادیتا برای کدگذاری جداول مقادیر مقوله ای ، دستیابی به قوانین استخراج ، تغییر شکل و مهاجرت به تعریف دیدگاه تجاری خروجی مدل قابلیت اداره
• کنترل پیچیدگی . این یکی از روشهای اصلاح تصمیم مدل است ، بنابراین مدل را بیشتر قابل اداره می‌نماید . به عنوان مثال ، استفاده از پارامترهای بسیار آزاد منجر به تناسب بیش از حد می‌گردد ( قبلاً بحث شد ) ؛ این پیچیدگی را می‌توان با زوال وزن ، کنترل نمود . الگوریتم های درخت تصمیم CART از فاز شاخه زنی یا ضریب برای کاهش پیچیدگی مدل درخت استفاده می‌نمایند .
• سختی . اعتبار درخت و موجود بودن به قابلیت یا بهبود سریع از یک نقطة ضعف . استفاده از اجزاء کلیدی به منظور ادغام در قالب کاری مدیریت سیستم ها ( به عنوان مثال BMCpatrol ، Tivolitme10 و غیره.)
• مرسوم سازی . قابلیت ابزار برای ایجاد یک معماری باز، انعطاف پذیر و قابل گسترش با تداخلهای برنامه ریزی کاربرد منتشر شده و نقاط خروجی کاربر که امکان این کاربردهای تقویت تصمیم، ویژة کاربر و همینطور ادغام با سایر کاربردها را فراهم می‌آورد.

هر گاه که ممکن باشد، ما ابزارهایی که از این مقوله ها استفاده می‌کند را مورد بحث قرار خواهیم داد. با این وجود ، به دلیل این که هدف این فصل ،‌ ایجاد یک بررسی کلی از ابزرهای برجسته و استخراج داده ها می‌باشد و صفات یا خصوصیات عملکرد که می‌توانیم تنها با انجام یک ارزیابی جامع از محصول با استفاده از داده‌ها بدست آوریم ، در این بحث در نظر گرفته نخواهد شد . دیگر این که فروشنده یک معیار منتشر شده یا اطلاعات بررسی کاربر در مورد عملکرد ابزار را فراهم نماید.

*** متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است ***

دانلود اکسل داده های ترازنامه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران از سال 1386 الی 1394

اختصاصی از فی فوو دانلود اکسل داده های ترازنامه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران از سال 1386 الی 1394 دانلود با لینک مستقیم و پر سرعت .

عنوان: دانلود اکسل داده های ترازنامه ای شرکتهای پذیرفته شده در بورس اوراق بهادار تهران از سال 1386 الی 1394

دسته: حسابداری- مدیریت مالی- اقتصاد

فرمت:EXCEL

یکی از مشکلاتی که دانشجویان کارشناسی ارشد و دکتری رشته های حسابداری، مدیرت مالی و تا حدودی اقتصاد در تدوین و نگارش پایان نامه ها و مقالات علمی خود با آن مواجه هستند، جمع آوری داده های آماری شرکتهای پذیرفته شده در بورس اوراق بهادار تهران برای آزمون فرضیه ها می باشد به طوری که به جرأت می توان گفت گذشته از صرف هزینه، بیشتر از دو سوم زمان دانشجویان صرف جمع آوری داده می گردد. ما این مشکل دانشجویان را حل کردیم تا با فراغ بیشتری بتوانند به دیگر فصلهای پایان نامه و مقالات خود بپردازند به این ترتیب که در این فایل داده های ترازنامه ای آماده مربوط به 161 شرکت فعال در بورس اوراق بهادار تهران برای دوره زمانی 9 ساله سالهای 1386 الی 1394 را در قالب فایل اکسل جمع آوری کردیم به طوری که دانشجویان و محققان با تهیه این فایل تنها با وراد کردن داده ها در نرم افزارهای مربوطه به تجزیه و تحلیل تحقیقات خود بپردازند.

با توجه به اینکه نحوه انتخاب نمونه آماری در بیشتر مقالات و پایان نامه های دانشگاهی رشته های حسابداری و مدیریت مالی بر اساس دو عامل زیر انتخاب می شود:

1. سال مالی شرکتهای مورد نمونه 29 اسفند ماه باشد.
2. شرکتهای مورد بررسی جزوه بانکها و موسسسات اعتباری، شرکتهای واسطه ای و سرمایه گذاری نباشند.

در انتخاب شرکتها نیز این دو عامل لحاظ شده است و به عبارتی شرکتهایی به عنوان نمونه آماری انتخاب شده اند که اولا سال مالی آنها به 29 اسفندماه هر سال ختم شود و ثانیا جزو بانکها و موسسات و شرکتهای سرمایه گذاری نباشند.

به طور کلی این فایل شامل داده های ترازنامه ای آماده 161 شرکت پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی 1386 الی 1394 می باشد مغیرهایی که در این فایل، داده های آماده آماری آنها جمع آوری شده است شامل  نماد شرکت، وجه نقد، حسابهای دریافتنی، سرمایه گذاری کوتاه مدت، موجودی کالا، جمع دارایی های جاری، سرمایه گذاری بلندمدت، دارایی ثابت، جمع داراییها، حساب پرداختنی، جمع بدهیهای جاری، جمع بدهیها، سرمایه، سود انباشته و جمع حقوق صاحبان سهام می باشد.

دانلود مقاله کامل درباره تعریف داده پردازی در کامپیوتر

اختصاصی از فی فوو دانلود مقاله کامل درباره تعریف داده پردازی در کامپیوتر دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل: Word (قابل ویرایش و آماده پرینت)

تعداد صفحه :42

بخشی از متن مقاله

تعریف داده(Data)

هر اطلاع مفید ولازم درباره چیز یا امری رایک داده می گویند.به شناسنامه خود نگاه کنید.نام، نام خانوادگی،نام پدر ،سال تولد،محل تولد،شماره شناسنامه وسایر اطلاعات آن ،همه درباره شماست.

اینها داده های مرتبط با شما هستندوشما را از دیگران متمایز ومجزا می کنند؛ به شما سود می رسانند؛

حقوق شما را محفوظ می دارند وبه دولت امکان می دهند که برای شما برنامه ریزی کندو امکانات فراهم سازد.

داده ها در همه امور، نقش بازی می کنند.مثلا در دادوستد، داده ها نقش بسیار بزرگی دارند.اطلاع ازاین که چه مقدارپول دارید؛ بابت چه کالا وخدماتی پول گرفته یا پرداخته اید؛ از چه حسابی پول برداشته وبه کدام حساب واریز کرده اید؛ چقدر طلبکبرید وچقدر بدهکارید؛و…. همه، داده های مالی شما هستند . حسابداران با چنین دا ده های مالی  سروکاردارند وآن را مدیریت می کنند وازآن ها نتیجه گیری می کنند.

گفتیم که داده ها باید مفید ولازم باشند.مثالی می زنیم:

اگردر شناسنامه شما وزن یا قد شما را می نوشتند،صحیح بود؟ پاسخ منفی است.ذکر وزن وقد در شناسنامه کاربردی ندارد و وجود آنها لازم نیست، هر چند که مفید است.اما در پرونده پزشکی شما هم لازم هستند وهم مفید،زیرا به شناسایی وضع سلامت شما ونیز، به شناخت ودرمان بیماری شما یاری میرسانند.

داده ها با هم ارتباط دارند.

اگر بدانید شماره شناسنامه شخصی 259 است، آیا می توانیداورا پیدا کنید؟ این کار دشوار است. ممکن است شماره شناسنامه خیلی از مردم259 باشد. حالا اگر بدانید که نام آن شخص مثلا مسعود است یافتن او آسانتر می شود؛ هر چند که هنوز هم شاید اسم خیلیها مسعود وشماره شناسنامه شان 259 باشد.اما اگر در همین حال، نام خانوادگی او را هم بدانید دیگر یافتن اوساده می شود.نتیجه ارتباط داده ها به یکدیگر، شناسایی سریعتر است.داده هایی که به هم ارتباط نداشته باشند یا نتوان ارتباط آنها را نسبت به هم پیدا کرد، کاربرد زیادی ندارد وشاید اصلا به درد نخورد.

داده های نامرتب کاربرد ندارند.

اگر اطلاعات وداده های زیادی را بدون نظم وترتیب در جاهای مختلف پخش کنید، چطور می توانید به هنگام نیاز ازمیان آنها چیز خاصی را پیدا کنید؟داده ها هم مثل اشیای یک خانه یا انبار هستند وفقط از طریق نظم دادن وطبقه بندی وتازه کردن آنهاست که می توان از آنها سود برد .

داده ها چگونه مرتب میشوند؟

راههای مختلفی برای مرتب کردن داده ها وجود دارد.یکی از آسانترین روشها آن است که داده هارا به شکل یک جدول در آوریم. همه شمامی دانید جدول چیست.برنامه دانشگاه شما یک جدول است.دفتر حضور وغیاب کلاس شما یک جدول است صورتحساب بانکی پدر ومادر شما یک جدول است . اصول تمام جدولها یکی است ودرک آن نیز بسیار آسان است.در تمام آنها،برای مرتب کردن اطلاعات صفحه را خط کشی کردند وآن به شکل سطر ها وستونها در آوردند.به این ترتیب ، مجبورید اطلاعات را به شکل مرتب و زیر هم ،در جدول وارد کنید.در بالای هر ستون جدول،نام آنچه را که قرار است در آن ستون وارد کنید،می نویسید.در هر سطر اطلاعات،نام شخص یا چیزی را که آن داده ها به او مرتب است می نویسید.مثالی می زنیم.کتابهایی را که در خانه یا دانشگاه دارید،در نظر بگیرید.می توانید یک جدول درباره ی آنها تشکیل دهید و اطلاعات مرتبط با کتابها را در آن نگهداری کنید.در مورد هر کتاب می توانید داده هایی از قبیل نام کتاب،نام نویسنده،نام مترجم،نام ناشر،تعداد صفحات،تاریخ نشر و… را به صورت زیر،تبدیل به یک جدول کنید. 

البته می توان این جدول را به هر شکل دیگری تهیه کرد و درباره ی هر کتاب اطلاعات دیگری مانند نوبت چاپ،شماره ی شناسایی کتاب و…را نیز در جدول وارد کرد.مهم،اطلاعاتی ست که شما درباره ی هر کتاب مفید و لازم می دانید و داده های شما  به شمار می آیند.این جدول،داده های شما را مرتب می کند.به این جدول داده ها(Data Table)می گویند.

جستجو در جدول داده ها

گفتیم که مرتب کردن اطلاعات ، جستجو در آن را آسان می کند فرض کنید که جدولی از کتاب های موجود در خانه یا دانشگاه خود را تهیه کرده اید واینک می خواهید بدانید که مثلا کدامیک در سال 1371چاپ شده است.

در این صورت، به شکل زیر عمل می کنید:

ستون تاریخ نشر را می بینیم وآن را از بالا به پایین مرور می کنید . در هر خانه ای از این ستون که عدد 1371 که دیدید آن سطر جدول را با یک قلم رنگی رنگ می زنید یا بیرون جدول ، کنار نام کتاب ،یک علامت می گذارید. وقتی همه جدول را مرور کردید تمام سطرهایی که علامت دارند یا رنگ شده اند، کتابهای مورد نظر شماهستند به همین شکل، جستجوی نام نویسنده خاص ویا هر مورد دیگر ،آسان می شود.

با ارزان شدن وتوانمندشدن رایانه ها،بزودی برنامه نویسان بر آن شدند تا برنامه های کاربردی قدرتمندی را برای کار با اطلاعات ایجاد کنند.که در عین حال آسان وهمه فهم باشد.یکی از آخرین محصولات نرم افزاری ویژه ی این کار،برنامه های اداری شرکت میکروسافت است،این سلسله از برنا

مه های میکروسافت آفیس(MicrosaftOffice)نام دارد و مجموعه ای از چند برنامه ی ک

اربردی برای ماشینی کردن دفاتر کار است.

یکی از قطعات این مجموعه برنامه ها،برنامه ی کاربردی اکسس است که برای داده پردازی و استفاده از اطلاعات ایجاد شده است.این برنامه می تواند یک پایگاه داده ها را اداره کند.اینک ببینیم که پایگاه داده ها چیست؟

تعریف پایگاه داده ها

گفتیم که یکی از روشهای آسان اداره ی داده ها،ایجاد جدول مرتبی از آنهاست که به آن جدول داده ها (DataTable)می گویند.

برنامه ی اکسس،دو یا چند جدول داده را،پایگاه داده ها (Database)می نامدو می تواند آن رابه خوبی اداره کند.برنامه ای را که می تواند یک پایگاه داده ها را اداره کند،برنامه ی مدیریت پایگاه داده ها(Database Management Program)می گویند.اکسس،یک برنامه ی مدیریت پایگاه داده هاست.به مجموعه ای از جدولهای داده ها،پایگاه داده ها می گویند.

تعریف فیلد(Field)و رکورد(Record)

همان طور که قبلا گفتیم،اکسس با جدول های داده ها کار می کنیم.هر جدول،از تعدادی سطرو ستون تشکیل شده است.اکسس به هر یک از ستون ها،یک فیلد،(Field) میگویند.بنابراین،جدول کتابخانه ی ما در مثال قبلی 6فیلد دارد.همچنین اکسس،هر سطر جدول داده ها را نیز یک رکورد می خواند.

در همان جدول کتابخانه ها،در مثال قبلی ،شما سه رکوردرا می بینید.به این ترتیب، هر رکورددر آن

داده ها را نیز یک رکورد(Record)می خواند.در همان جدول کتابخانه ها،در مثال قبلی،شما سه رکورد را می بینید.به این ترتیب،هر رکورد در آن جدول شامل شش فیلد است.درک مفهوم فیلدو رکورد در کار با اکسس بسیار مهم است،اما پس از مقداری تمرین،به راحتی آن را فرا گرفته،به کار گفتیم که هر پایگاه داده،از تعدادی جدول تشکیل می شود.حال ببینیم چرا چند جدول رادر یک پایگاه داده ها می گذارند؟و این کار چه مزیتی دارد؟به مثال زیر توجه کنید:

 

فرض کنید یک جدول داده ها دارید که فیلد های آن اطلاعاتی درباره ی سفارش های مشتریان یک فروشگاه مثل نام و نام خانوادگی و تاریخ ومقدار خرید هر کالاست و جدول دیگری داریدکه در آن فیلد های دیگری مثل اطلاعاتی درباره ی شهر،محله،خیابان،کوچه،تلفن وموارد از این دست درباره ی همان مشتری ها موجود است.حال،چگونه بایدمثلا کشف کنید که فلان مشتری ساکن فلان خیابان،چقدر خرید کرده است.اطلاعات خرید وفروش مشتری در یک جدول و اطلاعات سکونتی همان مشتری،در جدول دیگر است.

برای این کار،باید در هر یک از جدول های یک فیلد مشترک پیدا کنید.یعنی فیلدی که هم در این جدول و هم در آن جدول موجود باشد.بعد:

1ـاطلاعات را از جدول اول برمی دارید و به فیلد مشترک نگاه می کنیدوداده ی موجود در آن،مثلا نام خانوادگی یا شماره ی شناسنامه را جایی یادداشت می کنید.

2ـدر جدول دوم،فیلد مشترک را پیدا می کنیدو در آن داده ای را که یادداشت کرده اید می یابید.حالا رکورد مورد نظررا پیدا کرده ایدوباید در آن به سراغ فیلد نشانی بروید وآن را یادداشت کنید.

به این ترتیب،این دو جدول به هم ربط پیدا می کنند.ربط دادن جدول ها به هم،از طریق یک فیلد مشترک،قدرت مانور شمارا در جستجوی داده هاو نتیجه گیری از آنها بسیار افزایش می دهد ودر حجم جدولها صرفه جویی می کند.زیرا،دیگر لازم نیست که مثلا در مقابل هر رکوردی که برای خرید و فروش مشتری به وجود می آورید،یک بار هم،آدرس او را در همان جدول بنویسیدو می توانید این داده را از جدول دیگری بردارید.به این مدل از پایگاه داده ها،پایگاه داده ها ی ارتباطی (Relational Database).اکسس،از این مدل پایگاه داده ها استفاده میکندو به همین سبب به آن مدیرپایگاه داده های ارتباط (Relational Database Management System) به طور خلاصهRDMBSمی گویند.

تعریف پایگاه داده های ارتباطی

پایگاه داده های ارتباطی،مجموعه ای از جدولهای داده است که یک فیلد مشترک در هر یک از

جدولها وجود دارد و از طریق آن می توان داده ها را به هم ربط داد.           

تعریف کلید

اکسس،به فیلدی که لا اقل در دو جدول داده ها مشترک باشد،فیلد کلیدی(KeyField)یا به اختصار (کلید)می گویند.علت این نام آن است که این فیلد،کلید وارد شدن از یک جدول به جدول دیگر است.گفتیم که دو جدول اکسس از طریق یک فیلد مشترک می توانند به همدیگر ارتباط یابند.حالا،این موضوع را برای بیش از دو جدول بررسی می کنیم.در این مورد مثالی را مشاهده کنید.

فرض کنید دو جدول داده هایاکسس دارید که در اولی مشتریان معرفی می شوندو به هر یک از آنها یک شماره ی مشتری که حتما باید غیر تکراری و بدون مشابه باشد،اختصاص می یابد.حالا اگر جدول دیکری داشته باشیم که به خرید های مشتریان اختصاص یافته باشدو در آن هم،برای هر بار خرید مشتریان یک رکوردثبت و نگهداری شود.اگر در این جدول،از همان شماره ی مشتری های تعریف شده در جدول مشتریان استفاده کنید،این دو جدول به هم ارتباط می یابند.هر چند که در هر دو جدول،داده های تکراری وجود دارد(یعنی فیلد شماره ی مشتری)،اما این تکرار اجتناب ناپذیراست و در عوض،باعث می شودکه از تکرار بزرگتری که همان اطلاعات کاملجدول مشتری هاست،در جدول خرید مشتریان،جلوگیری شود.

حالا فرض کنید یک جدول دیگر هم داریدکه یکی از فیلدهای آن نام مشتریست اما فیلدشماره مشتری ندارد.آیا این جدول را هم می توان به جدول اولیوصل کرد؟بله.اگر فیلد نام مشتری در هر دو فایل یکسان تعریف شده باشد،می توان از این فیلد برای اتصال دو جدول داده ها استفاده کرد.بنابراین،فیلد کلید ما در این حالت،فیلد نام مشتری است.وقتی این دو جدول داده ها به هم مرتبط شوند، در حقیقت،به جدول دیگرهم وصل شده اند؛زیرا دو جدول دیگر نیز از طریق یک فیلد مشترک به هم متصل بودند.به این طریق ،هر سه جدول،از طریق فیلدهای دوبه دو مشترک به هم وصل شده اند.بنابراین لازم نیست که فیلد های ارتباط دهنده در هر سه جدول(یا بیشتر)،یکی باشند.بلکه فقط کافیست دو به دو یکی باشند.

*** متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است ***