- •1.Основные понятия и определения баз данных и знаний (бдз):
- •2.Иерархическая модель данных:
- •3.Сетевая модель данных:
- •4.Реляционная модель данных:
- •5.Основы реляционной алгебры:
- •6.Термины и определения реляционных бд:
- •7.Основные термины, используемые при нормализации данных:
- •8.Первая, вторая, третья нормальные формы:
- •9.Нормальная форма Бойса-Кодда, четвертая и пятая нф:
- •10.Проектирование связей между таблицами:
- •11.Типы информационных моделей:
- •12.Концептуальные и логические модели данных:
- •13.Физические модели данных:
- •14.Файловые структуры организации данных:
- •15.Разрешение коллизий с помощью области переполнения:
- •16.Разрешение коллизий методом свободного замещения:
- •17.Индексные файлы и файлы с плотным индексом:
- •18.Файлы с неплотным индексом:
- •19.Иерархическая организация памяти:
- •20.Организация кэш-памяти:
- •21.Алгоритм замещения lru и случайный алгоритм:
- •22.Организация основной памяти:
- •23.Виртуальная память:
- •25.Бд и cals технологии:
- •26.Системный подход при разработке многопользовательских ис:
- •27.Стандартизация разработки ис:
- •28.Организация многопользовательских субд:
- •29.Разработка концептуальной модели многопользовательской субд:
- •30.Разработка проекта субд в соответствии с тз:
- •31.Основные компоненты су реляционными бд:
- •32.Формализация знаний в ис:
- •33.Отличие данных от знаний:
- •34.Обработка знаний:
- •35.Проблемная область:
- •36.Классификация знаний:
- •37.Модель знаний:
- •38.Продукционная модель:
- •39.Фреймовая модель:
- •40.Модель исчисления предикатов:
- •41.Семантическая сеть:
32.Формализация знаний в ис:
Формализация знаний – это процесс приведения знаний к форме, которая может быть использована компьютерами для хранения, обработки и передачи информации.
Языки формализации: Используются языки, такие как онтологии (OWL, RDF) или логические языки программирования, чтобы формализовать знания и отношения между ними.
Применение: Формализация знаний в информационных системах облегчает автоматизированное принятие решений, обеспечивает лучший поиск и анализ данных.
33.Отличие данных от знаний:
Данные (Data): Это факты, значения или информация, которая может быть записана и сохранена. Данные обычно не обладают смыслом без контекста.
Знания (Knowledge): Это информация, которая обработана и имеет смысл. Знания могут быть получены из данных, анализа и интерпретации, что позволяет принимать более осмысленные решения.
34.Обработка знаний:
Обработка знаний – это применение методов и технологий для анализа, хранения, передачи и использования знаний. Это включает в себя преобразование неструктурированных данных в структурированные знания, а также принятие решений на основе этих знаний.
Этапы обработки знаний:
Захват знаний (Сбор и запись информации из различных источников).
Хранение знаний (Организация и сохранение знаний в структурированной форме).
Обработка знаний: (Анализ и интерпретация знаний для выявления закономерностей и трендов).
Представление и передача знаний: (Использование различных форматов и методов для представления и обмена знаний).
35.Проблемная область:
Проблемная область - это содержательное описание предметной области совместно с комплексом условий, факторов и обстоятельств, вызвавших её возникновение. В контексте информационных систем и знаний, проблемная область определяет предмет изучения и область применения системы.
36.Классификация знаний:
Эмпирические знания (Empirical Knowledge): Опытные знания, полученные на основе наблюдений, опыта и практических знаний.
Теоретические знания (Theoretical Knowledge): Знания, основанные на теориях, моделях и абстрактных концепциях.
Экспертные знания (Expert Knowledge): Знания, полученные от экспертов в конкретной области и представленные в виде правил, эвристик или опыта.
Фактические знания (Factual Knowledge): Объективные и проверяемые факты, представляющие собой основу для образования других видов знаний.
37.Модель знаний:
Модель знаний – это структурный или математический способ описания, организации и представления знаний в информационной системе. Это позволяет эффективно обрабатывать и использовать знания для решения задач, принятия решений и выполнения определенных действий.
38.Продукционная модель:
Продукционная модель - это подход к представлению знаний, основанный на правилах продукции, где знания выражаются в виде "если-то-то, то-вот-так". Такие правила могут использоваться для вывода новых фактов или принятия решений, на основе имеющихся данных.
Элементы продукционной модели:
Продукции (Productions): Правила, определяющие связи между условиями и действиями.
Рабочая память (Working Memory): Хранилище фактов и данных, доступных для использования правилами продукции.
Механизм вывода (Inference Engine): Часть системы, которая выполняет процесс вывода на основе правил продукции.