📄Работа №108550

Тема: Исследование архитектур построения и алгоритмов работы систем хранения и анализа больших данных

📝
Тип работы Магистерская диссертация
📚
Предмет информатика
📄
Объем: 97 листов
📅
Год: 2019
👁️
Просмотров: 119
4850 руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
ℹ️ Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить

📋 Содержание

Введение 3
1 Процесс анализа больших данных 6
1.1 Роль больших данных в развитии Data Science 6
1.2 Понятие и особенности больших данных 13
1.3 Процесс Big Data 16
2 Архитектуры построения систем хранения и анализа больших данных 20
2.1 Виды архитектурных решений больших данных 20
2.2 Экосистема больших данных 24
2.3 Обобщенная архитектура систем хранения и анализа больших данных 26
2.4 Виды и области применения NoSQL баз данных 33
2.4.1 Столбцовые БД 37
2.4.2 NoSQL базы данных «ключ-значение» 38
2.4.3 Документальные NoSQL базы данных 38
2.4.4 Графовые NoSQL базы данных 39
2.5 Дистрибутивы для развертывания систем хранения и анализа больших
данных 40
3 Алгоритмы систем хранения и анализа больших данных 44
3.1 Методы получения, обработки и анализа больших данных 45
3.2 Способы и технологии получения больших данных 48
3.2.1 Вэб-скрепинг 51
3.2.2 Веб-сканирование 52
3.2.3 Доступ к данным через API Интернет ресурсов 57
3.3 Очистка данных 65
3.4 Загрузка данных в систему хранения и анализа больших данных 73
Заключение 77
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 79
Приложение А Код веб-скрепинга 86
Приложение Б Код веб-сканера 87
Приложение В Код просмотра набора данных портала открытых данных РФ . 90
Приложение Г Код загрузки набора данных с портала открытых данных РФ .. 91
Приложение Д Код приложений для анализа и чтения CSV файлов 93

📖 Введение

Большие данные - это общий термин для любого набора наборов данных, настолько больших или сложных, что становится трудно обрабатывать их с использованием традиционных методов управления данными, таких как, системы управления реляционными базами данных. Долгое время реляционные системы управления базами данных (РСУБД) считались универсальным решением, но экспоненциально растущие объемы, скорость и неоднородность данных показали непригодность РСУБД для использования в системах хранения и анализа больших данных. Наука о данных предполагает использование методов для анализа огромных объемов данных и извлечения содержащихся в них знаний.
В соответствии с национальной программой «Цифровая экономика Российской Федерации» количество опорных центров обработки данных должно быть увеличено с двух в 2018 году к восьми в 2024 [1, 2]. Общий объем финансирования программы составляет 1634,9 млрд. руб. Выполнение указанной программы основано на структуре из шести федеральных проектов, среди которых присутствуют следующие:
• Информационная инфраструктура;
• Информационная безопасность;
• Цифровые технологии;
• Цифровое государственное управление.
В соответствии с паспортами указанных проектов предполагается значительное увеличение объемов хранимых и анализируемых данных.
Тольяттинский государственный университет в 2018 году включён в перечень организаций, рекомендованных для присвоения статуса Федеральной инновационной площадки. Проект «Умный университет», предложенный ТГУ, признан одним из наиболее значимых инновационных образовательных проектов в 2018 году и предполагает цифровую трансформацию процессов вуза [62]. Кроме того, программа трансформации университета предусматривает широкое внедрение цифровых технологий и становление ТГУ как цифрового университета. Однако, в университете отсутствует достаточный опыт практического использования технологий хранения и анализа больших данных.
Таким образом, актуальность магистерской работы обусловлена необходимостью апробации технологий и систем хранения и анализа больших данных.
Объектом исследования процессы хранения и анализа больших данных.
Предметом исследования является системы хранения и анализа больших данных.
Целью работы является апробация этапов доступа, очистки и загрузки в системы хранения и анализа больших данных и выдача практических рекомендаций по реализации указанных этапов.
Для достижения поставленной цели были выделены следующие задачи:
• проанализировать процесс анализа и хранения больших данных;
• проанализировать подходы к построению систем хранения и анализа больших данных;
• провести исследование способов выполнения этапов доступа, очистки и загрузки данных с использованием Java технологий;
• дать практические рекомендации по реализации и выполнению этапов доступа, очистки и загрузки в систему хранения и анализа больших данных с использованием Java технологий.
Методы исследования. В процессе исследования были использованы следующие методы: методы системного анализа, экспертной оценки, методы объектно-ориентированного анализа и проектирования.
Новизна исследования заключается в разработке практических рекомендаций по реализации этапов доступа, очистки и загрузки данных в систему хранения и анализа больших данных.
Практическая значимость исследования заключается в возможности практического применения апробированных технологий хранения и анализа больших данных.
Теоретической основой диссертационного исследования являются научные труды российских и зарубежных ученых, занимающихся проблемами хранения и анализа больших данных.
На защиту выносятся:
• результаты анализа способов построения систем хранения и анализа больших данных;
• результаты апробации реализации этапов доступа, очистки и загрузки в системы хранения и анализа больших данных.
Публикации. По результатам проведённого исследования подготовлена к печати научная статья.
Диссертация состоит из введения, трех разделов, заключения, списка используемой литературы и приложений.
В первом разделе проанализирована актуальность применения технологий хранения и анализа больших данных. Описаны и проанализированы особенные характеристики больших данных. Рассмотрен процесс Data Science применительно к большим данным.
Во втором разделе выполнен анализ архитектурных и программных решений при построении систем хранения и анализа больших данных. Произведены обзор и анализ применимости NoSQL баз данных.
Третий раздел посвящена апробации использования стандартных и сторонних библиотек языка Java при реализации этапов доступа, очистки и загрузки в системы хранения и анализа больших данных.
В заключении приводятся результаты исследования.
Работа изложена на 86 страницах, включает 44 рисунка и 5 приложений.
Магистерская диссертация выполнена по заданию Центра IT Student Тольяттинского государственного университета.

Возникли сложности?

Нужна качественная помощь преподавателя?

👨‍🎓 Помощь в написании
🎓 Дипломные 📘 Магистерские 📙 Диссертации 📗 Курсовые 📝 Статьи 📄 ВКР

✅ Заключение

Целью магистерской диссертации является разработка практических рекомендаций по построению систем хранения и анализа больших данных, а также по выполнению первых этапов процесса Data Science: доступа, очистки и загрузки.
Выполненные в работе научные исследования представлены следующими основными результатами:
1. Проведен анализ архитектур построения систем хранения и анализа больших данных. Показано, что на начальных этапах целесообразно использовать дистрибутивы для развертывания рассматриваемых систем с учетом пакетной или потоковой обработки данных.
2. Произведен обзор применимости четырех видов NoSQL баз данных. Рассмотрены области их применимости.
3. С использованием стандартных и сторонних Java библиотек апробированы методы веб-сканирования и веб-скрепинга, как дополнительные методы получения внешних данных.
4. Апробирован доступ к российским Интернет источникам открытых данных с использованием JSON и CSV технологий. Разработаны алгоритмы получения информации об открытых наборах данных, скачивания наборов и их очистки.
5. Апробированы два способа загрузки данных в распределенную файловую систему Hadoop системы хранения и анализа больших данных, развернутой на основе Hortonworks HDP.
Исследованный комплекс технологий, алгоритмов и их реализаций на языке Java показал свою работоспособность и возможность его применения при дальнейших исследованиях в области больших данных.
Таким образом, в представленной магистерской диссертации решена актуальная научно-практическая проблема построения системы хранения и анализа больших данных, а также решены практические вопросы работы по технологии больших данных на первых этапах процесса Data Science.
Результаты проведенного исследования имеют значимый практический интерес и могут быть использованы при проведении научных и прикладных исследований в области больших данных в Центре IT Student, в частности, и в Тольяттинском государственном опорном университете в целом.

Нужна своя уникальная работа?
Срочная разработка под ваши требования
Рассчитать стоимость
ИЛИ
Поиск аналога

📕 Список литературы

1. Паспорт национальной программы «Цифровая экономика Российской
Федерации» [Электронный ресурс] Режим доступа:
http: //static. government.ru/media/files/urKHm0 gTPPnzJlaKw3M5 cNLo6gczMkPF. p df (дата обращения 27.06.2019).
2. Информационные материалы о национальной программе «Цифровая экономика Российской Федерации» [Электронный ресурс] - Режим доступа: http://static.government.ru/media/files/3b1AsVA1v3VziZip5VzAY8RTcLEbdCct.pd f (дата обращения 27.06.2019).
Научная и методическая литература
3. Кукарцев, В. В. Теория баз данных [Электронный ресурс] : учебник / В. В. Кукарцев, Р. Ю. Царев, О. А. Антамошкин. — Электрон. текстовые данные. — Красноярск : Сибирский федеральный университет, 2017. — 180 c. — 978-5-7638-3621-9. — Режим доступа: http: //www.iprbookshop.ru/84153. html
4. Киселева Т. В. Программная инженерия. Часть 1 [Электронный
ресурс] : учебное пособие / Т. В. Киселева. — Ставрополь : Северо-Кавказский федеральный университет, 2017. — 137 c. — Режим доступа:
http://www.iprbookshop.ru/69425.html (дата обращения 15.03.2019 г.).
Электронные ресурсы
5. Accenture. Россия. Инновации в действии. [Электронный ресурс] - Режим доступа: https: //www.accenture.com/ru-ru (дата обращения 27.05.2019 г.).
6. Amazon DynamoDB [Электронный ресурс] - Режим доступа:
https://aws.amazon.com/ru/dynamodb/ (дата обращения 27.05.2019 г.).
7. Analytics Comes of Age. [Электронный ресурс] - Режим доступа: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%2 0Analytics/Our%20Insights/Analytics%20comes%20of%20age/Analytics-comes-of- age.ashx (дата обращения 27.05.2019 г.).
8. Apache Cassandra. [Электронный ресурс] - Режим доступа:
http://cassandra.apache.org/ (дата обращения 27.05.2019 г.).
9. Apache CouchDB. [Электронный ресурс] - Режим доступа:
http://couchdb.apache.org/ (дата обращения 27.05.2019 г.).
10. Apache HBase - Apache HBase™ Home. [Электронный ресурс] - Режим доступа: https: //hbase.apache.org/ (дата обращения 27.05.2019 г.).
11. ArangoDB: Multi-model highly available NoSQL database. [Электронный
ресурс] - Режим доступа: https://www.arangodb.com/ (дата обращения
27.05.2019 г.).
12. Azure Cosmos DB. Мультимодельная, глобально распределенная служба базы данных для любого масштаба [Электронный ресурс] - Режим доступа: https://azure.microsoft.com/ru-ru/services/cosmos-db/ (дата обращения 27.05.2019 г.).
13. Biehn Neil. The Missing V’s in Big Data: Viability and Value / Neil Biehn.
[Электронный ресурс] - Режим доступа:
https://www.wired.com/insights/2013/05/the-missing-vs-in-big-data-viability-and- value/ (дата обращения 27.05.2019 г.).
14. Big Data Analytics Landscape 2019. [Электронный ресурс] - Режим доступа: https://www.learnbigdatatools.com/big-data-analytics-landscape-2019 (дата обращения 27.05.2019 г.).
15. Big Data Executive Survey 2017. Executive Summary of Findings.
[Электронный ресурс] - Режим доступа: http ://newvantage. com/wp-
content/uploads/2017/01/Big-Data-Executive-Survey-2017 -Executive- Summary.pdf (дата обращения 27.05.2019 г.).
16. Bigtable - Scalable NoSQL Database Service. [Электронный ресурс] - Режим доступа: https://cloud.google.com/bigtable/ (дата обращения 27.05.2019 г.).
17. ClickHouse. [Электронный ресурс] - Режим доступа:
https://github.com/yandex/ClickHouse/releases (дата обращения 27.05.2019 г.).
18. Cloudera CDH. [Электронный ресурс] - Режим доступа:
https://www.cloudera.com/products/open-source/apache-hadoop/key-cdh- components.html (дата обращения 27.05.2019 г.).
19. Columbus L. 10 Charts That Will Change Your Perspective Of Big Data's
Growth / Louis Columbus. [Электронный ресурс] - Режим доступа:
https://www.forbes.com/sites/louiscolumbus/2018/05/23/10-charts-that-will-change- your-perspective-of-big-datas-growth/#432b11a29268 (дата обращения 27.05.2019 г.).
20. Data sets - Data.gov [Электронный ресурс] - Режим доступа:
http://catalog.data.gov/dataset (дата обращения 27.05.2019 г.).
21. Data.gov.ru | открытые данные России [Электронный ресурс] - Режим доступа: https://data.gov.ru/ (дата обращения 27.05.2019 г.).
22. DB-Engines Ranking [Электронный ресурс] - Режим доступа:
https://db-engines.com/en/ranking (дата обращения 27.05.2019 г.).
23. Elasticity (cloud computing). From Wikipedia, the free encyclopedia.
[Электронный ресурс] - Режим доступа:
https://en.wikipedia.org/wiki/Elasticity(cloud computing) (дата обращения
27.05.2019 г.).
24. European Data Portal [Электронный ресурс] - Режим доступа:
https://www.europeandataportal.eu/ (дата обращения 27.05.2019 г.).
25. Generate data. [Электронный ресурс] - Режим доступа:
http: //www.generatedata.com/ (дата обращения 27.05.2019 г.).
26. Get Started with Hortonworks Sandbox [Электронный ресурс] - Режим
доступа: https://www.cloudera.com/downloads/hortonworks-sandbox.html#install
(дата обращения 27.05.2019 г.).
27. Global Market Research Reports Company. Statistic MRC. [Электронный ресурс] - Режим доступа: https: //www.strate gymrc.com (дата обращения 27.05.2019 г.).
28. Greenfield D. How Technology and People Are Steering Manufacturing's Future David Greenfield / David Greenfield [Электронный ресурс] - Режим
доступа: https: //www.automationworld.com/how-technolo gy-and-people-are-
steering-manufacturings-future (дата обращения 27.05.2019 г.).
29. Hadoop. [Электронный ресурс] - Режим доступа:
https://ru.wikipedia.org/wiki/Hadoop (дата обращения 27.05.2019 г.).
30. HDFS shell [Электронный ресурс] - Режим доступа:
https://github.com/avast/hdfs-shell (дата обращения 27.05.2019 г.).
31. HDInsight. Простая экономичная служба аналитики корпоративного
уровня с открытым кодом. [Электронный ресурс] - Режим доступа:
https://azure.microsoft.com/ru-ru/services/hdinsight/ (дата обращения 27.05.2019 г.).
32. Home - Wikibon research. [Электронный ресурс] - Режим доступа: https://wikibon.com/ (дата обращения 27.05.2019 г.).
33. Hypertable [Электронный ресурс] - Режим доступа:
http://www.hypertable.org/ (дата обращения 27.05.2019 г.).
34. IMF DATA. [Электронный ресурс] - Режим доступа:
https://www.imf.org/en/Data (дата обращения 27.05.2019 г.).
35. Lambda architecture. From Wikipedia, the free encyclopedia.
[Электронный ресурс] - Режим доступа:
https: //en.wikipedia. org/wiki/Lambda architecture (дата обращения 27.05.2019 г.).
36. MapR Converged Data Platform. [Электронный ресурс] - Режим
доступа: https://mapr.com/datasheets/mapr-converged-data-platform/ (дата
обращения 27.05.2019 г.).
37. Marr Bernard. Big Data And AI: 30 Amazing (And Free) Public Data Sources For. / Bernard Marr 2018 [Электронный ресурс] - Режим доступа: https://www.forbes.com/sites/bernardmarr/2018/02/26/big-data-and-ai-30-amazing- and-free-public-data-sources-for-2018/#57d218e05f8a (дата обращения 27.05.2019 г.).
38. McNulty Eileen. Understanding Big Data: The Seven V’s / Eileen
McNulty. [Электронный ресурс] - Режим доступа:
http://dataconomy.com/2014/05/seven-vs-big-data/ (дата обращения 27.05.2019 г.).
39. Memcached - a distributed memory object caching system. [Электронный ресурс] - Режим доступа: https://memcached.org/ (дата обращения 27.05.2019 г.).
40. Min Chen, Shiwen Mao, Yin Zhang, Victor C.M. Leung. Big Data. Related
Technologies, Challenges, and Future Prospects. - Spinger, 2014. - [Электронный ресурс] - Режим доступа: http://lab.ilkom.unila.ac.id/ebook/e-
books%20Big%20Data/2014%20Big%20Data%20Related%20Technologies,%20Ch allenges%20and%20Future%20Prospects.pdf (дата обращения 27.05.2019 г.).
41. MongoDB: The most popular database for modern apps. [Электронный ресурс] - Режим доступа: https: //www. mongodb .com/ (дата обращения 27.05.2019 г.).
42. Neo4j Graph Platform - The Leader in Graph Databases. [Электронный ресурс] - Режим доступа: https://neo4j.com/ (дата обращения 27.05.2019 г.).
43. Open Source Search & Analytics Elasticsearch. [Электронный ресурс] - Режим доступа: https://www.elastic.co/ (дата обращения 27.05.2019 г.).
44. OpenCSV. [Электронный ресурс] - Режим доступа:
http://opencsv.sourceforge.net (дата обращения 27.05.2019 г.).
45. OpenLink Virtuoso Universal Server. [Электронный ресурс] - Режим доступа: https://virtuoso.openlinksw.com/ (дата обращения 27.05.2019 г.).
46. OrientDB: Graph Database | Multi-Model Database. [Электронный ресурс] - Режим доступа: https://orientdb.com/ (дата обращения 27.05.2019 г.).
47. Reddis. [Электронный ресурс] - Режим доступа: https://redis.io/ (дата обращения 27.05.2019 г.).
48. Tech pundits' tenuous but intriguing prognostications about 2016 and
beyond. The Economist. [Электронный ресурс] - Режим доступа:
https://www. economist. com/business/2015/12/31 /tech-pundits-tenuous-but- intriguing-prognostications-about-2016-and-beyond (дата обращения 11.05.2019 г.).
49. Third platform. From Wikipedia, the free encyclopedia. [Электронный
ресурс] - Режим доступа: https://en.wikipedia.org/wiki/Third platform (дата
обращения 27.05.2019 г.).
50. Vaseekaran Gowthamy. Big Data Battle: Batch Processing vs Stream Processing / Gowthamy Vaseekaran [Электронный ресурс] - Режим доступа: https://medium.com/@gowthamy/big-data-battle-batch-processing-vs-stream- processing-5d94600d8103 (дата обращения 27.05.2019 г.).
51. World Bank Open Data. Free and open access to global development data
[Электронный ресурс] - Режим доступа: https: //data. worldbank.org/ (дата
обращения 27.05.2019 г.).
52. Большие данные - Википедиа. [Электронный ресурс] - Режим
доступа: https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0 %B8%D0%B5%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5 (дата
обращения 27.05.2019 г.).
53. Большие данные (Big Data). [Электронный ресурс] - Режим доступа:
http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C% D1 %8F: %D0%91 %D0%BE%D0%BB%D 1 %8C%D 1 %88%D0%B8%D0%B5%D0 %B4%D0%B0%D0%BD%D0%BD%D 1 %8B%D0%B5(Big Data) (дата
обращения 27.05.2019 г.).
54. Бородаенко В., Ермаков А. Универсальная платформа обработки
больших данных / Виктор Бородаенко, Александр Ермаков // «Открытые системы. СУБД» 2017, № 03 [Электронный ресурс] - Режим доступа:
https://www.osp.ru/os/2017/03/13052699/ (дата обращения 27.05.2019 г.).
55. Мейер Б. Объектно-ориентированное программирование и
программная инженерия [Электронный ресурс] / Б. Мейер. — М. : Интернет- Университет Информационных Технологий (ИНТУИТ), Ай Пи Эр Медиа, 2019. — 285 c. — Режим доступа: http://www.iprbookshop.ru/79706.html (дата
обращения 15.03.2019 г.).
56. Мэрия Москвы купила у сотовых операторов данные о перемещении
жителей. [Электронный ресурс] - Режим доступа:
https://sobesednik.ru/tehnologii/20190304-meriya-moskvy-kupila-u-sotovyh- operatorov-dannye-o-peremeshenii-zhitelej (дата обращения 27.05.2019 г.).
57. Открытые данные Росстата [Электронный ресурс] - Режим доступа: http: //www.gks .ru/opendata/ (дата обращения 27.05.2019 г.).
58. Открытые данные ФНС России [Электронный ресурс] - Режим
доступа: https: //www.nalog.ru/opendata/ (дата обращения 27.05.2019 г.).
59. Портал открытых данных правительства Москвы [Электронный ресурс] - Режим доступа: https://data.mos.ru/ (дата обращения 27.05.2019 г.).
60. Правила и рекомендации. Открытые данные России. [Электронный ресурс] - Режим доступа: https: //data.gov.ru/pravila-i-rekomendacii (дата обращения 27.05.2019 г.).
61. Сайт аналитической компании IDC [Электронный ресурс] - Режим доступа: http://idc.com (дата обращения 15.03.2019 г.).
62. Тольяттинский государственный опорный университет. Официальный сайт. [Электронный ресурс] - Режим доступа: https://www.tltsu.ru (дата обращения 27.05.2019 г.).
Литература на иностранном языке
63. Cielen D., Meysman A., Ali M. Introducing data science: big data, machine learning, and more, using Python tools. - Manning Publications Co., 2016.
64. Erik Meijer. The world according to linq. Communications of the ACM, 54(10):45-51, 2011.
65. Larman C. “Applying UML and patterns: An Introduction to Object- Oriented Analysis and Design and Iterative Development”, (New Jersey: Prentice Hall), 2004, p. 736.
66. Mehta R. Big Data Analytics with Java / R. Mehta. Packt Publishing, 2017. - 418 C.
67. Olive A. “Conceptual Modeling of Information Systems”, 2007.
68. Paul Zikopoulos, Chris Eaton, et al. Understanding big data: Analytics for enterprise class hadoop and streaming data. McGraw-Hill Osborne Media, 2011.
69. Sawant N., Shah H. Big Data Application Architecture //Big data Application Architecture Q & A. - Apress, Berkeley, CA, 2013. - С. 9-28.

🛒 Оформить заказ

⚡ Работу высылаем в течении 5 минут после оплаты.

🔍 ПОХОЖИЕ РАБОТЫ ПО ТЕМЕ

Исследование архитектур построения облачных систем Бакалаврская работа информационные системы 2021 г. 4550 руб. Разработка программного обеспечения для генерации представления численных алгоритмов в форме Q-детерминанта Дипломные работы, ВКР программирование 2019 г. 4590 руб. Расширение функционала программной системы построения и исполнения Q-эффективных программ для возможности ее использования на параллельных вычислительных системах с распределенной памятью Дипломные работы, ВКР программирование 2022 г. 4320 руб. Методика проектирования ИТ-инфраструктуры системы выявления мошенничества с банковскими кредитами среди юридических лиц Дипломные работы, ВКР информатика 2020 г. 4300 руб. Процедура синтеза адаптивной высокоскоростной программно- конфигурируемой системы передачи данных на основе оценивания эквивалентного энергетического проигрыша, вызванного неравномерностью амплитудно-частотной характеристики радиотракта Бакалаврская работа информатика 2020 г. 4850 руб. АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА УПРАВЛЕНИЯ МЕТАДАННЫМИ В ДИСКРЕТНО-СОБЫТИЙНЫХ ДИНАМИЧЕСКИХ ИНФОРМАЦИОННО УПРАВЛЯЮЩИХ СИСТЕМАХ Магистерская диссертация информатика 2024 г. 4910 руб. Разработка торгового приложения, основанного на алгоритме взаимодействия нейронных сетей и скрытых Марковских моделей Дипломные работы, ВКР информационные системы 2017 г. 4290 руб. Улучшение алгоритма кольцевой факторизации для построения простых чисел Дипломные работы, ВКР математика 2019 г. 4780 руб. Инструменты и алгоритмы построения открытых информационных систем управления ИТ-инцидентами Магистерская диссертация информационные системы 2019 г. 5550 руб. Алгоритмы определения временного положения сложных сигналов на основе спектральных представлений Бакалаврская работа информатика 2016 г. 5900 руб.

📎 МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ ПО ПРЕДМЕТУ «ИНФОРМАТИКА»

Найдено работ: 997

Исследование методов анализа данных при управлении процессом тестирования Магистерская диссертация информатика 2024 г. 5870 руб. Модели и алгоритмы оптимизации управления информационным обменом в образовательных учреждениях Магистерская диссертация информатика 2025 г. 5770 руб. Разработка методики тестирования программного обеспечения Магистерская диссертация информатика 2021 г. 5880 руб. Криптографическое устройство защиты речевой информации в сетях мобильной связи Магистерская диссертация информатика 2021 г. 5640 руб. Инфокоммуникационная транспортная сеть населенного пункта с населением 50 тысяч человек Магистерская диссертация информатика 2021 г. 5600 руб. Анализ точности определения направления прихода сигналов в сетях сотовой связи Магистерская диссертация информатика 2021 г. 5630 руб. Разработка системы по учету и анализу телеметрии медицинского оборудования и ее интеграция с платформой Китактив Магистерская диссертация информатика 2020 г. 4915 руб. Разработка мобильного аудиогида для городских туристических маршрутов Магистерская диссертация информатика 2020 г. 4815 руб. Создание корпоративного сетевого чата Магистерская диссертация информатика 2020 г. 4910 руб. Разработка программно-аппаратного комплекса для контроля состояния электропривода с применением SCADA-системы Магистерская диссертация информатика 2020 г. 4810 руб. Разработка программы для подсчета количества и раскройки отделочных материалов Магистерская диссертация информатика 2020 г. 4800 руб. Разработка мобильного приложения для автоматизации пусконаладочных работ Магистерская диссертация информатика 2020 г. 4900 руб. Разработка прототипа системы связи Li-Fi для передачи данных между мобильными устройствами Android (принимающая часть) Магистерская диссертация информатика 2020 г. 4995 руб. Разработка приложения для осуществления вибрационного контроля подшипников колесных пар железнодорожных вагонов Магистерская диссертация информатика 2020 г. 4895 руб. Разработка «умной» кормушки для домашних животных Магистерская диссертация информатика 2020 г. 4990 руб.
📋 Содержание 📖 Введение ✅ Заключение 📕 Литература 🔍 Похожие 🛒 Купить ⬆️

Оценка стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Каталог работ (208122)

Поиск работ


©2026 Cервис помощи студентам в выполнении работ
.