ردگیری داده ها

دسته های داده اغلب بیشتر از اینکه داده ها را توصیف کنند بیشتر در مورد افرادی هستند که این داده ها را کنترل می کنند.

برنامه نویسی واکنشی می تواند کاملاً ایستا باشد در جایی که جریان داده ها به صورت استاتیک تنظیم شده باشد ، یا در جایی که جریان داده می تواند در حین اجرای یک برنامه تغییر کند ، پویا باشد.

جدیدا ، با افزایش نقش فناوری های هوش مصنوعی در مهندسی ، ایده استفاده از داده ها برای ایجاد مدل هایی بر اساس داده از شبکه های موجود ارائه شده است. در این روش با تجزیه و تحلیل داده شبکه های بزرگ کار کرد، همچنین می توان رفتارهای کمتر دلخواهی را که ممکن است در شبکه های دنیای واقعی رخ دهد ، پیدا کرد و آنها در طراحی های جدید جلوگیری کرد.

در میان داده های موجود برای توصیف موسیقی، بازنمایی‌های متنی‌ای وجود دارد، مانند یادداشت های غیر رسمی، بررسی‌ها و انتقاداتی که محتواها و مفهوم‌های صوتی را به صورت کلمات توصیف می کنند. در موارد دیگر، عکس‌العمل‌های انسانی مانند قضاوت های عاطفی یا اندازه گیری های روانی-فیزیولوژیکی ممکن است بینشی در مورد محتویات و ساختار صوتی ایجاد کند. توانایی شنیدن رایانه سعی می کند رابطه ای بین این نمایش های مختلف پیدا کند تا درک بیشتری از محتوای صوتی ارائه دهد

انبار داده ها به کاربران اجازه می‌دهد تا داده های تاریخی را با داده های جدید ترکیب کنند و دسترسی به داده هایی که در منابع مختلف در دسترس هستند را داشته باشند. با شناسایی الگوهایی که در داده های ترکیبی وجود دارند، کاربران می‌توانند تحلیل هایی را انجام دهند که از داده های تنها در یک سیستم تولید نمی‌شوند. به عنوان مثال، شرکت هایی که در کشور های مختلف فعالیت دارند، ممکن است در داده های مختلف ذخیره شده باشند. با استفاده از انبار داده، کاربران می‌توانند به طور موثری از داده های این منابع استفاده کنند و به تحلیل های دقیق تری دسترسی پیدا کنند.

در هلند ، بانک ING بیانیه ای عمومی در مورد اهداف آنها در مورد استفاده از داده ها ارائه داد.

انتشار دلتا اساساً یک بهینه سازی است که به طور گسترده از طریق رشته محاسبات افزایشی مورد مطالعه قرار گرفته است ، که روش آن نیاز به رضایت از زمان اجرا که شامل مشکل بروزرسانی میشود، است. این مشکل با استفاده از نهادهای پایگاه داده ، که مسئول نگهداری تغییر داده های تغییر داده هستند ،شناخته میشود.

مسئله اصلی این است: اگر یک مدل از یک دامنه منبع آموخته شود، ظرفیت آن برای برچسب گذاری صحیح داده های حاصل از دامنه هدف چقدر است؟

بنیاد دانش باز (OKF) چندین نوع مجموعه داده را لیست کرده است که باید توسط دولت ها ارائه شود تا واقعاً باز شوند. OFK ابزاری به نام The Global Open Data Index (GODI) دارد که یک نظرسنجی با هدف جمع آوری اطلاعات برای بازبودن دولتها است مطابق تعریف Open . هدف GODI ارائه ابزاری برای ارائه بازخورد مهم به دولتها در مورد کیفیت مجموعه داده های باز آنها است.

هيچ قانون قوي و صريحي در مورد نحوه انتخاب و تعداد متخصصين وجود ندارد و تعداد آنها وابسته به فاكتورهاي: هدف دلفي يا وسعت مشكل، كيفيت تصميم، توانايي تيم تحقيق در اداره مطالعه، اعتبار داخلي و خارجي، زمان جمع آوري داده  ها و منابع در دسترس، دامنه مسأله و پذيرش پاسخ است تعداد شركت كنندگان معمولاً كمتر از 50 نفر و اكثراً 15 تا 20 نفر بوده است . هرچند در مقالات تعداد 10 تا بيشتر از 2000 نفر گزارش را نيز گزارش نموده اند اما در گروه هاي هموژن معمولاً 15 -10 نفر كافي است در دلفي معمولا از نمونه هاي همگن براي به دست آوردن طيف گسترده نظرات، پاسخ هاي با كيفيت و راه حل هاي قابل پذيرش استفاده مي شود. اين نمونه گيري موجب افزايش حجم نمونه، مشكلات جمع آوري داده ها و در نهايت، پيچيدگي رسيدن به اجماع، اجراي آناليز و بازبيني نتايج مي شود هرچند كه با حجم نمونه بزرگتر تعداد قضاو ت ها افزايش و تركيب آنها اعتماد را افزايش مي دهد. بعضي محققين متذكر مي شوند معمولا 30 نفر براي ارائه اطلاعات كافي است و با افزايش آنها پاسخ ها تكراري شده و اطلاعات جديدي اضافه نمي شود اما بعضي ديگر مي نويسند شواهد تجربي كمي در مورد اثر تعداد شركت كنندگان بر اعتبار و اعتماد فرايند اجماع در دسترس است. در شناسايي و انتخاب متخصصين از روش هاي ، مختلف از قبيل فرايند نامگذار يقضاوت و تصميم گيري مديريت اصلي پروژه، موقعيت سازماني افراد و مرور نويسندگان مقالات استفاده مي شود كه دو مورد اخير نامناسب هستند.