Понятие «информатика» (от лат. – «осведомленность в чем-либо» появилось в середине XX в. во Франции. Термин образовался посредством объединения слов «информация» (information) и «автоматика» (automatique) и в переводе на русский язык означает «автоматизированная обработка информация»; возник, чтобы определить область знании, которая занимается обработкой информации с использованием ЭВМ. Другими словами, информатика является наукой о компьютерной технике.
Оглавление
Приведённый ознакомительный фрагмент книги Информатика. Шпаргалка предоставлен нашим книжным партнёром — компанией ЛитРес.
Данные и информация. Свойства информации
В информатике различают понятия «данные» и «информация».
Данные представляют собой информацию, находящуюся в формализованном виде и предназначенную для обработки техническими системами.
Под информацией понимается совокупность представляющих интерес фактов, событий или явлений, которые необходимо зарегистрировать и обработать.
Информация в отличие от данных — это не все, что мы знаем о предмете, а только то, что нам интересно, что можно хранить, накапливать, применять, передавать и т. д. Например, если составить перечень из двадцати оценок и показать кому-либо, то они будут восприниматься как обыкновенные данные. А если напротив каждой оценки написать фамилии студентов, то это будет восприниматься уже как информация, она будет интересной в данном случае для студентов, получивших оценки по некоторой дисциплине.
Данные только хранятся, а не используются. Но как только данные начинают использоваться, т. е. представлять интерес, то они преобразуются в информацию.
В процессе обработки информация изменяется по структуре и форме. Признаками структуры является взаимосвязь элементов информации. Структура информации классифицируется на формальную и содержательную. Формальная структура информации ориентирована на форму представления информации, а содержательная — на содержание.
Виды форм представления информации. По способу отображения:
1) символьная представлена в виде знаков, цифр, букв;
2) графическая — в виде изображения;
3) текстовая — в виде набора букв, цифр;
4) звуковая — в виде звука.
По месту появления:
1) внутренняя (выходная) возникает в пределах объекта;
2) внешняя (входная) — вне объекта.
1) постоянная может использоваться несколько раз и в течение долгого времени;
2) переменная может изменяться в зависимости от времени ее применения.
По стадии обработки:
1) первичная регистрируется впервые;
2) вторичная образуется при преобразовании первичной информации; может быть промежуточной и результативной.
Свойства информации: актуальность, полнота, точность, репрезентативность, своевременность, содержательность, устойчивость, достоверность. В компьютере вся информация может обрабатываться при помощи информационных процессов, состоящих из сбора (деятельности человека, при которой он получает сведения об объекте), обмена (процесса, в ходе которого источник информации с помощью сигналов передает, а приемник получает сведения об объекте), накопления (создания исходного несистематизированного массива информации), обработки (процесса преобразования данных в соответствии с алгоритмом), хранения (процесса поддержания исходных данных в определенном виде, который обеспечит их выдачу по запросам в установленный срок).
В вычислительной технике данные обычно различают от программ. Программа является набором инструкций, которые детализируют вычисление или задачу, которая производится компьютером. Данные — это всё отличное от программного кода.
С точки зрения программиста данные — это часть программы, совокупность значений определенных ячеек памяти, преобразование которых осуществляет код. С точки зрения компилятора, процессора, операционной системы, это совокупность ячеек памяти, обладающих определёнными свойствами (возможность чтения и записи (необязательно), невозможность исполнения).
Контроль за доступом к данным в современных компьютерах осуществляется аппаратно.
В соответствии с принципом фон Неймана, одна и та же область памяти может выступать как в качестве данных, так и в качестве исполнимого кода.
Содержание
Типы данных
Традиционно выделяют два типа данных — двоичные (бинарные) и текстовые.
Двоичные данные обрабатываются только специализированным программным обеспечением, знающим их структуру, все остальные программы передают данные без изменений.
Текстовые данные воспринимаются передающими системами как текст, записанный на каком-либо языке. Для них может осуществляться перекодировка (из кодировки отправляющей системы в кодировку принимающей), заменяться символы переноса строки, изменяться максимальная длина строки, изменяться количество пробелов в тексте.
Передача текстовых данных как бинарных приводит к необходимости изменять кодировку в прикладном программном обеспечении (это умеет большинство прикладного ПО, отображающего текст, получаемый из разных источников), передача бинарных данных как текстовых может привести к их необратимому повреждению.
Данные в ООП
Могут обрабатываться функциями объекта, которому принадлежат сами, либо функциями других объектов, имеющими для этого возможность.
Данные в языках разметки
Имеют различное отображение в зависимости от выбранного способа представления
Данные в XML
Метаданные
Множество данных может иметь надмножество, называемое метаданными
Полезное
Смотреть что такое «Данные (в информатике)» в других словарях:
ДАННЫЕ — в информатике информация, представленная в формализованном виде, что обеспечивает возможность ее хранения, обработки и передачи … Большой Энциклопедический словарь
Данные — (калька от англ. data[источник не указан 101 день]) представление фактов и идей в формализованном виде, пригодном для передачи и обработки в некотором информационном процессе. Изначально данные величины, то… … Википедия
Данные в программировании — Данные (калька от лат. data) это представление фактов и идей в формализованном виде, пригодном для передачи и обработки в некотором информационном процессе. Содержание 1 В обществе 2 В информатике 2.1 Типы данных … Википедия
ДАННЫЕ — в информатике, информация, представленная в формализов. виде, что обеспечивает возможность её хранения, автоматич. обработки и передачи с помощью техн. средств (напр., ЭВМ) … Естествознание. Энциклопедический словарь
Всероссийская олимпиада школьников по информатике — и ИКТ Логотип XXIII Всероссийской олимпиады школьников по информатике Основные сведения Предмет информатика Зона охвата … Википедия
Знание (в информатике) — Знание форма существования и систематизации результатов познавательной деятельности человека. Выделяют различные виды знания: научное, обыденное (здравый смысл), интуитивное, религиозное и др. Обыденное знание служит основой ориентации человека в … Википедия
Информация — (Information) Информация это сведения о чем либо Понятие и виды информации, передача и обработка, поиск и хранение информации Содержание >>>>>>>>>>>> … Энциклопедия инвестора
Олимпиада по программированию — интеллектуальное соревнование по решению различных задач на ЭВМ, для решения которых необходимо придумать и применить какой либо программу и/или алгоритм на одном из языков программирования. Олимпиады по программированию проводятся с целью… … Википедия
Олимпиадное программирование — Олимпиада по программированию интеллектуальное соревнование по решению различных задач на ЭВМ, для решения которых необходимо придумать и применить какой либо программу и/или алгоритм на одном из языков программирования. Олимпиады по… … Википедия
Да́нные (калька от англ. data [источник не указан 101 день] ) — представление фактов и идей в формализованном виде, пригодном для передачи и обработки в некотором информационном процессе.
Изначально — данные величины, то есть величины, заданные заранее, вместе с условием задачи. Противоположность — переменные величины.
В информатике данные — это результат фиксации, отображения информации на каком-либо материальном носителе, то есть зарегистрированное на носителе представление сведений независимо от того, дошли ли эти сведения до какого-нибудь приёмника и интересуют ли они его. [1]
Данные — это и текст книги или письма, и картина художника, и ДНК.
Данные, являющиеся результатом фиксации некоторой информации, сами могут выступать как источник информации. Информация, извлекаемая из данных, может подвергаться обработке, и результаты обработки фиксируются в виде новых данных.
Данные могут рассматриваться как записанные наблюдения, которые не используются, а пока хранятся.
Информация, отображаемая данными, может быть непонятна приемнику (шифрованный текст, текст на неизвестном языке и пр.).
Содержание
В обществе
В информатике
С точки зрения программиста, данные — это часть программы, совокупность значений определённых ячеек памяти, преобразование которых осуществляет код. С точки зрения компилятора, процессора, операционной системы, это совокупность ячеек памяти, обладающих определёнными свойствами (возможность чтения и записи (необяз.), невозможность исполнения).
Контроль за доступом к данным в современных компьютерах осуществляется аппаратно.
В соответствии с принципом фон Неймана, одна и та же область памяти может выступать как в качестве данных, так и в качестве исполнимого кода.
Типы данных
Традиционно выделяют два типа данных — двоичные (бинарные) и текстовые.
Двоичные данные обрабатываются только специализированным программным обеспечением, знающим их структуру, все остальные программы передают данные без изменений.
Текстовые данные воспринимаются передающими системами как текст, записанный на каком-либо языке. Для них может осуществляться перекодировка (из кодировки отправляющей системы в кодировку принимающей), заменяться символы переноса строки, изменяться максимальная длина строки, изменяться количество пробелов в тексте.
Передача текстовых данных как бинарных приводит к необходимости изменять кодировку в прикладном программном обеспечении (это умеет большинство прикладного ПО, отображающего текст, получаемый из разных источников), передача бинарных данных как текстовых может привести к их необратимому повреждению.
Данные в объектно-ориентированном программировании
Могут обрабатываться функциями объекта, которому принадлежат сами, либо функциями других объектов, имеющими для этого возможность.
Данные в языках разметки
Имеют различное отображение в зависимости от выбранного способа представления.
Данные в XML
В теории множеств
В отличие от операций над элементами множества, представляют собой множество (название и элементы множества)
В лингвистике
В отличие от операций (действие, процесс) по работе с данными (сказуемое с возможными его обстоятельствами и дополнениями), выражаются подлежащим (с возможными его определениями).
Метаданные
Множество данных может иметь надмножество, называемое метаданными. Другими словами, метаданные — это данные о данных.
Операции с данными
Для повышения качества данные преобразуются из одного вида в другой с помощью методов обработки. Обработка данных включает операции:
Примечания
См. также
Это заготовка статьи о компьютерах. Вы можете помочь проекту, исправив и дополнив её. Это примечание по возможности следует заменить более точным.
Полезное
Смотреть что такое «Данные» в других словарях:
данные — Интерпретируемое формализованным способом представление информации, пригодное для коммуникации, интерпретации или обработки. [ИСО/МЭК 2382 1] [ГОСТ Р 52292 2004] данные Информация, представленная в виде, пригодном для обработки автоматическими… … Справочник технического переводчика
данные — См … Словарь синонимов
ДАННЫЕ — ДАННЫЕ, информация, например, списки слов, перечень результатов измерений или коды, представляющие запись изображения. Обработкой данных занимаются КОМПЬЮТЕРНЫЕ ПРОГРАММЫ. Ввод данных может осуществляться с клавиатуры или с другого устройства… … Научно-технический энциклопедический словарь
ДАННЫЕ — ДАННЫЕ, данных, ед. данное, данного, ср. (книжн.). Сведения, обстоятельства, служащие для какого нибудь вывода, решения. Получены данные, что здесь скрывается преступник. Нет достаточных данных для возбуждения уголовного преследования. Толковый… … Толковый словарь Ушакова
Данные — [data] сведения о состоянии любого объекта экономического или не экономического, большой системы или ее элементарной части (элемента), о человеке и машине и т. д., представленные в формализованном виде и предназначенные для обработки (или уже… … Экономико-математический словарь
ДАННЫЕ — в информатике информация, представленная в формализованном виде, что обеспечивает возможность ее хранения, обработки и передачи … Большой Энциклопедический словарь
ДАННЫЕ — 1) факты и характеризующие их числовые, количественные показатели: имена, даты событий сведения об экономических процессах, местах действия; 2) сведения, обработанные Специальным образом для принятия решений, информация. Райзберг Б.А., Лозовский… … Экономический словарь
ДАННЫЕ — ДАННЫЕ, ых. 1. Сведения, необходимые для какого н. вывода, решения. По официальным данным. Цифровые д. 2. Свойства, способности, качества как условия или основания для чего н. Хорошие голосовые д. Иметь все д. для научного роста. Толковый словарь … Толковый словарь Ожегова
ДАННЫЕ — англ. data; нем. Daten. Имеющаяся информация о фактах и процессах качественного и количественного типа, к рая может быть использована для дальнейших выводов и обобщений. Antinazi. Энциклопедия социологии, 2009 … Энциклопедия социологии
Данные — поддающееся многократной интерпретации представление информации в формализованном виде, пригодном для передачи, связи, или обработки (определение по ISO/IEC 2382-1:1993).
Содержание
Объём генерируемых цифровых данных в мире
Как данные стали сырьем XXI века
Отличие данных от информации
Еще в середине нулевых годов XXI века трудно было представить подобное. О данных, как о составляющей компьютинга, и речи не могло быть. С момента появления компьютеров, то есть с середины сороковых годов XX века, внимание было сосредоточено сначала на аппаратном, а позже и программном обеспечении. Что касается данных, то они рассматривались как нечто очевидное, само собой разумеющееся. В результате сложилась странная односторонность ИТ, отличающая их от других производств. Производство можно представить состоящим из двух вещей: комплекса технологий и сырья, которое, проходя по технологической цепочке, превращается в конечный продукт. В ИТ же технологический процесс преобразования исходных данных в результирующие остается как-бы «за кадром».
Еще одно недоразумение, связанное с ИТ, заключается в том, что понятия «данные» и «информация» долгое время рассматривались как синонимы, чему конечно же поспособствовала статистическая теория информации, которую точнее было бы называть теорией передачи данных. Название «теория информации» было предложено Джоном фон Нейманом чрезвычайно скромному в своих притязаниях Клоду Шеннону. В этой теории мерой передаваемой информации служат биты и байты, хотя по определению они относятся к данным, представленным в двоичной системе.
Показательно, что автор на протяжении многих лет, пользуясь возможностями журналиста, при первом удобном случае задавал собеседникам один и тот же вопрос: «В чем вы видите различие между данными и информацией?». Однако, ни разу (!) не получил содержательного ответа. О том, что так называемые информационные технологии имеют дело с данными, а вовсе не с информацией, почти никто не задумывался. Пренебрежение к природе данных привело к тому, что на протяжении десятилетий вплоть до 2010-х годов развивались исключительно инженерные методы, обеспечивающие передачу, хранение и обработку данных. Все, что необходимо было знать о них, сводилось к двоичным или десятичным единицам измерения количества данных, форматам и формам организации (массивы, байты, блоки и файлы).
Но ситуация, скалывающаяся вокруг данных, резко изменилась. Ее отражением стал популярный лозунг «It’s the data, stupid», отражающий возрастающую роль данных в современной науке, бизнесе и других отраслях человеческой деятельности. Смещение акцента на данные является следствием величайшей культурной трансформации.
Можно выделить четыре фундаментальных перехода, каждый из которых характеризуется увеличением доступности контента:
Главная особенность последнего в том, что в XXI веке данные абстрагировались от носителя. Были созданы необходимые средства для работы с ними, что открыло неограниченные возможности для извлечения информации из данных.
От данных к знанию, модель DIKW
Модель DIKW на протяжении нескольких десятилетий оставалась основой для исследований в области, которую называют «Управлением знаниями» (Knowledge Management, KM). Принято считать, что KM изучает процессы создания, сохранения, распределения и применения основных элементов интеллектуального капитала, необходимых для работы организации, позволяющих преобразовать интеллектуальные активы в средства для повышения производительности и эффективности.
Однако из провала KM вовсе не следует, что нет такой проблемы как автоматизация извлечения знаний из данных. Как говорят, «свято место пусто не бывает», и во втором десятилетии XXI века место KM заняло новое направление, получившее не слишком удачное название Data Science. Роль и место Data Science в системе накопления знаний показаны на рисунке ниже.
Data Science
Термин Data Science в середине нулевых годов XXI века предложил Уильям Кливленд, профессор университета Пердью, один самых известных специалистов в статистике, визуализации данных и машинном обучении. Примерно тогда же появился международный совет CODATA (International Council for Science: Committee on Data for Science and Technology) и издаваемый им журнал CODATA Data Science Journal. Тогда Data Science определили как дисциплину, объединяющую в себе различные направления статистики, добычу данных (data mining), машинное обучение и применение баз данных для решения сложных задач, связанных с обработкой данных.
Четвертая парадигма науки
Направление Data-Intensive Science можно перевести как научные исследования со значительным использованием данных. Под этим термином понимают новый стиль исследований с опорой на данные, с широким использованием компьютерных инфраструктур и программного обеспечения для оперирования, анализа и распределения этих данных (data-driven, exploration-centered style of science). Для него астроном и футуролог Алекс Шалаи и выдающийся компьютерный эксперт Джим Грей в 2006 году предложили собственное название – «Четвертая парадигма науки».
Они разделили научное прошлое человечества на три периода использования данных. В античные времена наука ограничивалась описанием наблюдаемых феноменов и логическими выводами, сделанными на основе наблюдений. В XVII веке данных стало больше, и тогда люди начали создавать теории, используя в качестве доказательств те или иные аналитические модели. В XX веке компьютеры открыли возможности для использования методов численного моделирования. Наконец в XXI веке начали складываться научные методы, основанные на анализе данных (eScience), и здесь для работы с колоссальными объемами данных стали применяться синтезирующие теории, статистические и другие методы извлечения полезной информации.
Шалаи и Грей писали: «В будущем работа с большими объемами данных будет предполагать пересылку вычислений к данным, а не загрузку данных в компьютер для последующей обработки». Будущее наступило намного раньше, уже в 2013 году тот же Шалаи писал об эпохе Data-Intensive Science как о свершившемся факте.
Data Science в бизнесе
Теми средствами, которые используют Data Scientist, можно уподобить ИТ всем обычным технологиям, в том смысле, что на входе будут сырые данные, а на выходе обработанные данные и информация для принятия решений. Технологический цикл реализует классический цикл научного метода. Его можно условно разделить на несколько этапов:
Этот процесс может выглядеть примерно так, как показан на рисунке «Технологический цикл Data Science».
На практике редко процесс извлечения знаний из данных бывает линейным. После выполнения того или иного шага может возникнуть необходимость возврата к предыдущему с целью уточнения используемых методов, вплоть до постановки задачи. Случается, что после получения удовлетворительных результатов, возникают уточняющие вопросы и цикл приходится проходить заново.
И в науке, и в бизнесе методами Data Science из данных извлекаются знания, поэтому вполне справедливо перефразировать известный афоризм Максима Горького «Любите данные – источник знаний».
Управление данными
Актуальность темы управления данными (Data Governance) растет с каждым годом. Действительно, необходимость организации процессов, направленных на повышение эффективности сбора, обработки, хранения и использования данных как ценного актива, уже очевидна практически всем компаниям. Много сказано о том, какие преимущества приносят компании правильно выстроенные процессы управления данными, и многие организации уже начали внедрение этой инициативы. При этом организации часто допускают похожие ошибки, которые негативно влияют на темпы внедрения и эффективность создаваемых процессов управления данными. О том, какие это ошибки, как их избежать и на какие вопросы организация должна найти ответы в процессе внедрения Data Governance, в материале, подготовленном для TAdviser, рассказывает Светлана Бова, Chief Data Officer банка ВТБ.
Управление качеством данных
Определение качества данных формулируется как обобщенное понятие полезности данных, формализуемое в определенном наборе критериев. Для корпоративных данных информационных систем управления принято выделять следующие шесть критериев: востребованность, точность, согласованность, своевременность, доступность и интерпретируемость. Для каждого критерия определяется набор ключевых показателей эффективности (КПЭ) и прорабатываются практики, улучшающие их (подробнее).
Визуализация данных
Утечки данных
Защита данных
Совершенствование моделей управления данными
Раскрытие, использование и продажа данных
*Шадаев: в 2022 году будет запущен маркетплейс данных
В 2022 году Минцифры запустит маркетплейс данных. Дата-сеты в нем будут размещать и государственные органы, и бизнес, заявил министр цифрового развития Максут Шадаев, отвечая на вопросы ИТ-отрасли в ходе TAdviser SummIT 23 ноября 2021 года.
Обзор моделей предоставления доступа к данным государства
Эксперты ЦПУР 10 сентября 2021 года представили аналитический обзор «Модели институционализации доступа исследователей к данным государства». В нём рассмотрены подходы разных стран к решению проблемы «usability v sprivacy».
Накопленные госорганами микроданные содержат чувствительную информацию, раскрытие которой связано с рисками для безопасности отдельных субъектов этих данных, поэтому такие данные, как правило, не публикуются. Однако их объём настолько высок, что обрабатывать их самостоятельно и оставлять полностью внутри системы государственного управления нецелесообразно.
Выбирая ту или иную модель доступа к данным для исследователей, государство решает для себя, как ему соблюдать баланс между уровнем детализации раскрываемых микроданных, а, значит, их полезностью и применимостью, и сохранением конфиденциальности.
Представленный аналитический обзор в большей степени сфокусирован на анализе трех аспектов защиты данных — правилах определения пользователей, проектов и «настроек» доступа, таким образом, он охватывает организационные и инфраструктурные способы решения дилеммы «usability vs privacy».
В аналитическом обзоре обозначены три базовых модели организации доступа к микроданным, применяемых в мире:
Для России минимальным (или стартовым) сценарием организации доступа к микроданным для исследователей может выступить модель, построенная на создании специального центра исследования данных (research data-center), который будет находиться в прямом подчинении отдельных органов власти или носить межведомственный характер.
Оптимальным сценарием для России, к которому следует перейти после формирования устойчивых практик предоставления доступа к данным, эксперты ЦПУР считают использование партнёрской сети организаций, реализующих полный спектр работы с государственными микроданными — от их обработки до организации доступа. Кроме того, независимо от выбранной модели, параллельно необходимо расширять состав сведений, публикуемых в свободном доступе, в том числе в формате открытых данных. [1]
Объемы данных в мире
В 2020 году в мире было создано 64,2 зеттабайт данных, однако к 2021 году было сохранено менее 2% новых данных, то есть большая часть из них была временно создана или реплицирована для использования, а затем удалена или перезаписана новыми данными. Об этом свидетельствуют результаты исследования IDC.
По сообщению IDC, объем созданных, потребляемых и передаваемых данных в 2020 году значительно вырос из-за резкого увеличения числа людей, которые на фоне ограничений из-за пандемии COVID-19 вынуждены работать и учиться дистанционно. В связи с глобальной пандемией также увеличился объем передаваемого мультимедийного контента.
Исследователи утверждают, что Интернет вещей является самым быстрорастущим сегментом на рынке данных, не принимая во внимание данные, полученные от систем видеонаблюдения. За ним следуют социальные сети. Данные, созданные в облаке, не демонстрирует такой же быстрый рост, как данные, хранящиеся в облаке, однако создание данных на периферии развивается такими же быстрыми темпами, как и в облаке. В IDC также отмечают, что корпоративная «датасфера» (DataSphere) растет в два раза быстрее, чем потребительская, из-за возрастающей роли облака для хранения и потребления.
Почему Data Scientist сексуальнее, чем BI-аналитик
Проблема цифрового хординга или патологического накопительства данных
Возможность анализировать большие данные, в просторечии называемая Big Data, воспринимается как благо, причем однозначно. Но так ли это на самом деле? К чему может привести безудержное накопление данных? Скорее всего к тому, что отечественные психологи применительно к человеку называют патологическим накопительством, силлогоманией или образно «синдромом Плюшкина». По-английски порочная страсть собирать все подряд называют хордингом (от англ. hoard – «запас»). По классификации ментальных заболеваний хординг причислен к психическим расстройствам. В цифровую эпоху к традиционному вещественному хордингу добавляется цифровой (Digital Hoarding), им могут страдать как отдельные личности, так и целые предприятия и организации (подробнее).
