Prezentacija je namenjena đacima srednjih škola sa ciljem da im se ukratko predstave trendovi u IT-u sa fokusom na veštine budućnosti koje će se od njih zahtevati.
This presentation is intended for students of secondary schools in order to briefly present the trends in IT with a focus on the skills that would be required in the future.
5. Prof. dr Angelina Njeguš
Internet
Internet je globalna mreža računara ili računarskih mreža
povezanih žično ili bežično koji komuniciraju i razmenjuju
podatke putem TCP/IP steka protokola, omogućavajući tako
razne usluge tzv. Internet servise
6. Prof. dr Angelina Njeguš
Internet
Šta je Internet?Internet je globalna mreža računara ili računarskih mreža
povezanih žično ili bežično koji komuniciraju i razmenjuju
podatke putem TCP/IP steka protokola, omogućavajući tako
razne usluge tzv. Internet servise
?Međutim,
šta danas čini tu mrežu?
Gde se nalaze procesori?
7. Prof. dr Angelina Njeguš
The Internet of Things, IoT
Where are processors found today?
8. Prof. dr Angelina Njeguš
The Internet of Things, IoT
Where are processors found today?
Procesori se nalaze svuda oko nas
– u automobilima, uličnim kamerama,
mašinama i drugim uređajima tzv stvarima!
Kako obraditi ogromnu količinu
podataka koji ovi uređaji
generišu svaki sekund?
Šta je izazov?
9. Prof. dr Angelina Njeguš
The Internet of Things, IoT
Where are processors found today?
Procesori se nalaze svuda oko nas
– u automobilima, uličnim kamerama,
mašinama i drugim uređajima tzv stvarima!
Kako obraditi ogromnu količinu
podataka koji ovi uređaji
generišu svaki sekund?
Šta je izazov?
Problem zvan
Big Data
10. Prof. dr Angelina Njeguš
Šta je Big Data?
Rast mobilnog, društvenog (Social) i Cloud računarstva i drugih pametnih uređaja
dovodi do toga da su organizacije, ali i pojedinci danas preplavljeni podacima:
Koji se generišu velikom brzinom
Koji su različitog formata (više od 80% čine nestruktuirani podaci)
Koji su velikog obima (čak i nekoliko zettabyte u minuti)
12. Prof. dr Angelina Njeguš
Koliko je to podataka?
Naziv Ozn Binarni prikaz Decimalni prikaz
byte B 20=1 byte 100=1
kilobyte KB 210=1.024 byte (B) 103=1.000
megabyte MB 220=1.048.576 B 106=1.000.000
gigabyte GB 230=1.073.741.824 B 109=1.000.000.000
terabyte TB 240=1.099.511.627.776 B 1012=1.000.000.000.000
petabyte PB 250=1.125.899.906.842.624 B 1015=1.000.000.000.000.000
exabyte EB 260=1.152.921.504.606.846.976 B 1018=1.000.000.000.000.000.000
zettabyte ZB 270=1.180.591.620.717.411.303.424 B 1021=1.000.000.000.000.000.000.000
yottabyte YB 280=1.208.925.819.614.629.174.706.176 B 1024=1.000.000.000.000.000.000.000.000
brontobyte BB 290=1.237.940.039.285.380.274.899.124.224 B 1027=1.000.000.000.000.000.000.000.000.000
geopbyte GeB 2100=1.267.650.600.228.229.401.496.703.205.376 B 1030=1.000.000.000.000.000.000.000.000.000.000
Bit (b) – 0 ili 1
Bajt (B) – 8 bita
Kilobajt (KB) – 1024 bajta
13. Prof. dr Angelina Njeguš
Kako sistemi postaju inteligentni?
Kako Big Data sistemi postaju inteligentni?
Prvo, drugačiji je način skladištenja ogromnih količina podataka u
odnosu na tradicionalne načine (npr. Data Warehouse)
Drugo, podaci se analiziraju uglavnom pomoću Data mining algoritama
Treće, analitički sistemi omogućavaju analizu koristeći različite metode i
sažet prikaz ogromnih količina podataka (tzv. knowledge discovery)
Ključne reči inteligentnih sistema su:
Knowledge (znanje), Data mining...
14. Prof. dr Angelina Njeguš
Šta je znanje?
Operacioni
(transakcioni)
sistemi
proizvode
informacije
Analitički
(inteligentni)
sistemi
proizvode
znanje
15. Prof. dr Angelina Njeguš
Podela sistema
Informacioni sistemi
Operacioni
informacioni sistemi
Transakcioni
sistemi
Sistemi za
upravljanje
procesima
Kancelarijski i
sistemi za
međusobnu
saradnju
Analitički
informacioni sistemi
Menadžment
informacioni
sistemi
Sistemi za
podršku
odlučivanju
Izvršni
informacioni
sistemi
Podržavaju
poslovne
operacije
Podržavaju
proces
odlučivanja
Sistemi za modelovanje,
simulaciju, izvršavanje,
kontrolu i optimizaciju
procesa
Obrađuju poslovne
transakcije
Predefinisani izveštaji
(OLAP kocka,
operativni BI…)
Interaktivni sistemi za
analizu (data mining
algoritmi)
Kritične informacije za
senior menadžm. (BSC,
KPI, streteški BI …)
Ekspertni
sistemi
Sistemi
upravljanja
znanjem
Emulira ekspertsko
rešavanje problema
Kreira, organizuje i širi
korporativno znanje i iskustva
(npr ITIL)
Office i sistemi za
komunikaciju i
saradnju između grupa
Specijalizovani
informacioni
sistemi
Virtuelna
realnost
3D simulacija realnog ili
imaginarnog okruženja
Geografski
informacioni
sistemi
Inteligentne
mape
16. Prof. dr Angelina Njeguš
Šta je data mining?
Data mining -> Analiza podataka primenom različitih
algoritama koji implementiraju razne matematičke i
statističke modele primenjivih u poslovne svrhe
Šta je cilj?
Pronalaženje šablona tj. obrazaca ponašanja otkrivanjem
skrivenih veza između vrednosti podataka
18. Prof. dr Angelina Njeguš
Neki primenjeni Data Mining algoritmi
Decision Trees Clustering Time Series
Sequence
Clustering
Association
Naïve Bayes
Neural Net Logistic
Regression
Linear Regression Text Mining
19. Prof. dr Angelina Njeguš
Studija slučaja
Koji je ključni atribut za
predviđanje da li će svršeni
srednjoškolci upisati fakultet ili
ne?
Postavljana su im sledeća pitanja:
– Kog su pola?
– Koliki je prihod njihovih roditelja?
– Koliki im je IQ?
– Da li ih roditelji ohrabruju da
nastave studiranje ili ne?
– Da li planiraju da upišu fakultet?
20. Prof. dr Angelina Njeguš
Drvo odlučivanja
Upisaće fakultet:
33% Da
67% Ne
Svi studenti
Podsticaj
od strane roditelja ?
IQ IQ
Upisaće fakultet:
57% Da
43% Ne
Ohrabrenje roditelja = Da
Upisaće fakultet:
6% Da
94% Ne
Ohrabrenje roditelja = Ne
Upisaće fakultet:
74% Da
26% Ne
Upisaće fakultet:
29% Da
71% Ne
Visok IQ Nizak IQ
Upisaće fakultet:
18% Da
82% Ne
Upisaće fakultet:
9% Da
91% Ne
Upisaće fakultet:
4% Da
96% Ne
Visok IQ
Srednji IQ
Nizak IQ
21. Prof. dr Angelina Njeguš
Podrška: Semantički Web
Današnji semantički web olakšava inteligenciju Big
data sistema!
Podaci na Webu su smisleno povezani
Semantika – nauka koja proučava značenje reči
Šta je Semantički Web i u kojoj generaciji World
Wide Weba se pojavio?
22. Prof. dr Angelina Njeguš
Šta je World Wide Web?
Hiperlinkovana mreža web
dokumenata uskladištenih na
web serverima, kojima se
pristupa preko web pretraživača
koristeći HTTP protokol.
23. Prof. dr Angelina Njeguš
Pregled Web generacija
Web 1.0 (1991 – 2004)
Osobine:
statičke web stranice
slaba interaktivnost
klijent nema uticaj na sadržaj
P2W (People to Web)
24. Prof. dr Angelina Njeguš
Web 2.0 (2004 – 2009)
Osobine:
dinamički generisane stranice
jaka interaktivnost
klijenti generišu sadržaj
kolaborativnost
P2P (People to People)
Web server
Aplikativni
server
Server
baze podataka
Korisnik
(user)
25. Prof. dr Angelina Njeguš
Web 2.0
Termini:
blogovanje sajtovi za
društveno umrežavanje
sajtovi za deljenje videa
wiki koncept (npr. Wikipedia)
25
26. Prof. dr Angelina Njeguš
Web 3.0 (2009 - ...)
Npr., lični asistent koji poznaje
profil svog vlasnika i pristupa
informacijama na Internetu da bi
najbolje odgovorio na zahteve
W2W (Web to Web) – kombinuje
više različitih aplikacija u jednu,
koristi:
semantički web
inteligentne pretraživače
georeferencirane Web aplikacije i
dr.
Dok Web 2.0 koristi Internet da bi se povezao sa ljudima, Web 3 koristi
Internet kako bi se povezao sa informacijama ili računarima!
29. Prof. dr Angelina Njeguš
Top 10 tehnologije u 2015.
Mobilne tehnologije, Big Data tehnologije, Inteligentna rešenja, Cloud
Computing, Društveno umrežavanje, Bezbednost, Green tehnologije ...
30. Prof. dr Angelina Njeguš
Sticanje znanja i veština o inteligentnim
sistemima na Univerzitetu Singidunum
Univerzitet je član IBM Akademske Inicijative
IBM Kurs: “InfoSphere Warehouse (DM032)” sa modulima (tabela)
Dostupna virtuelna mašina sa materijalima za vežbu
Dostupnost materijala sa kurseva i određenih alata:
https://www.ibm.com/developerworks/university/academicinitiative/
Univerzitet je član Microsoft IT Academy
Microsoft kurs: “Introducing Business Intelligence in Microsoft SQL Server 2008 R2”
Deo kursa “Implementing and Maintaining Business Intelligence in Microsoft SQL Server
2008: Integration Services, Reporting Services and Analysis Services”
Pristup e-learning kursevima
SQL Server 2008 R2 Business Intelligence Training Course:
http://msdn.microsoft.com/en-us/gg618026
Rast cloud, mobilnog i društvenog (Social) računarstva dovodi do toga da su organizacije danas preplavljene:
ogromnim obimom podataka (svakodnevno obrađuju čak do petabajt raznih vrsta podataka)
Svakodnevno se kreira 12 terabajt tvitova, koji se prate radi analize klijenata, potreba tržišta ili analize proizvoda
Godišnje se sa brojila očitava 350 milijardi podataka kako bi se bolje predvidela potrošnja električne energije
velikom brzinom podataka (ponekad je i 2 minuta prekasno, npr. potrebno je što pre uočiti računarski kriminal, kao što je krađa osetljivih podataka o gostima hotela)
Dnevno se nadgleda 5 miliona transakcija kako bi se identifikovale potencijalne prevare
Svakodnevno se analizira u realnom vremenu oko 500 miliona zapisa o pozivima klijenata kako bi se na vreme uočile bilo koje promene kod klijenata
Raznolikim podacima (bilo da su struktuirani ili nestruktuirani podaci, kao što su tekst, podaci od različitih senzora, audio, video i klik tokovi podataka, log fajlovi i dr)
Uživo se nadgleda oko stotinak video zapisa sa kamera
Rast od 80% podataka u slikama, video zapisima ili dokumentima koristi se radi poboljšanja zadovoljstva klijenata
Izvor: scoop.intel.com/what-happens-in-an-internet-minute/
All data mining tools, including Microsoft SQL Server 2005 Analysis Services, use multiple algorithms. Analysis Services, of course, is extensible; third party ISVs can develop algorithms that snap in seamlessly to the Analysis Services data mining framework. Depending on the data and the goals, different algorithms are preferred, and each algorithm can be used for multiple problems.