سیکاس >> اینترنت اشیاء :: شهر هوشمند :: کلان داده سیکاس >> اینترنت اشیاء :: شهر هوشمند :: کلان داده
مشاوره رایگان
09999970170
  • اینستاگرام
  • تلگرام
  • صفحه اصلی
  • محصولات
    • سامانه نوین هوشمندسازی آبیاری
      • مدل خانگی
        • سانا (H-100)
      • مدل باغی-زراعی
        • سانا (G-200)
    • شیشه‌های مات‌شونده برقی (Privacy Glass)
      • طلق مات شونده برقی (Privacy Glass)
    • نرم افزار دلتابان
      • نرم افزار دلتابان
    • سامانه مدیریت روشنایی
      • سامانه مدیریت روشنایی
  • خدمات
    • شبکه اینترنت اشیاء و خدمات شهر هوشمند
    • خدمات کلان داده و انبار داده
  • پایگاه دانش
    • آموزش
    • مقالات
    • انتشارات
  • اخبار
  • ثبت سانا
  • سوالات متداول
  • درباره ما
  • تماس با ما
سیکاس >> اینترنت اشیاء :: شهر هوشمند :: کلان داده
  • صفحه اصلی
  • محصولات
    • سامانه نوین هوشمندسازی آبیاری
      • مدل خانگی
        • سانا (H-100)
      • مدل باغی-زراعی
        • سانا (G-200)
    • شیشه‌های مات‌شونده برقی (Privacy Glass)
      • طلق مات شونده برقی (Privacy Glass)
    • نرم افزار دلتابان
      • نرم افزار دلتابان
    • سامانه مدیریت روشنایی
      • سامانه مدیریت روشنایی
  • خدمات
    • شبکه اینترنت اشیاء و خدمات شهر هوشمند
    • خدمات کلان داده و انبار داده
  • اخبار
  • پایگاه دانش
    • مقالات
    • انتشارات
  • ثبت سانا
  • سوالات متداول
  • درباره ما
  • تماس با ما

محصولات - نرم افزار دلتابان

  1. خانه
  2. محصولات
  3. نرم افزار دلتابان

هزینه محصول : 0 تومان

  • معرفی
  • مشخصات فنی
  • درخواست مشاوره
معرفی

    يكي از نيازهاي ضروي سازمان‌ها و نهادهاي داراي داده‌هاي حجيم و متنوع، شناخت دقيق از منابع داده‌اي خود و در اختيار داشتن توانايي مديريت ذخيره، انتقال، پردازش و بصري‌سازي آن‌ها است. همواره بزرگترين مشكل در تيم‌هاي فني و متخصصين و دانشمندان علم داده، چگونگي دسترسي به داده‌ها و منابع پردازشي مورد نياز براي تأمين نيازهاي دانشي سازمان مي‌باشد. تنظيم سازوكاري براي نگهداري داده ها بر اساس سري زماني، تعيين سطح دسترسي افراد به منابع داده‌اي، چگونگي و زمان‌بندي واكشي داده‌ها، شناسايي دقيق محل بروز خطا در زمان انتقال، دريافت شناخت دقيق از كيفيت داده به منظور انتخاب مدل‌هاي مناسب يادگيري ماشيني و ده‌ها نيازمندي ديگر مي‌تواند سازمان را به سمت ايجاد يك بستر اختصاصي و چارچوب مناسب براي بر عهده گرفتن اين وظايف حركت دهد.

    نرم‌افزار تولیدی شرکت سیکاس تحت عنوان «دلتابان»، به منظور پاسخ‌دهي به اين مسائل و ايجاد يك بستر مناسب به منظور استانداردسازي تمامي فعاليت‌هاي حوزه كلان داده در سازمان، توسط تیم برنامه‌نویسی و کلان داده این شرکت طراحی و تولید شده است. در اين نرم‌افزار سعي شده است كه عمده دسترسي‌هاي كاربران تخصصي به داده‌ها در سطح Web Interface تأمين گردد كه قابليت‌هاي مديريتي و كنترلي مناسبي براي كاربران لحاظ گردد. از موارد شاخصي كه در اين نرم‌افزار پيش‌بيني شده است مي‌توان به قابليت‌هاي کلی زير اشاره كرد:
       ايجاد يك پايپ لاين از مرحله استخراج داده تا لحظه بصري‌سازي
       امكان قابليت مانيتورينگ داده در تمام دوره حيات آن (LineAge)
       امكان تعيين سطح دسترسي كاربران تا حد فيلد و ركورد به نحوي كه كاربران حتي امكان مشاهده كل داده‌ها را نداشته باشند و صرفا با عمليات Sampling مدل‌هاي خود را اجرا نمايند
       امكان ايجاد كلاسترهاي مجازي براي مديـريت بار کاري كاربران حوزه‌هاي مختلف سازمان جهت جلوگيري از تداخل مصرف منابع سخت‌افزاري
       امكان در اختيار داشتن تمامي مدل‌هاي رايج يادگيري ماشيني براي جلوگيري از كدنويسي مجدد
       امكان استفاده مجدد كاربران از نتايج كارهاي قبلي و سايرين
       امكان استفاده از تمامي كتابخانه‌هاي رايج برنامه‌نويسي كلان‌داده در حوزه يادگيري ماشيني اعم از MLlib-Keras-Tensorflow و ...
       امكان كدنويسي در WebIDEA طراحي‌شده در اين چارچوب به نحوي كه كاربران به ساير ابزارهاي كدنويسي نيازي نداشته باشند.

این نرم‌افزار دارای اجزا و بخش‌های زیر می‌باشد:

       بخش استخراج داده‌ها
       بخش ساخت ETL و Cube های داده‌ای
       بخش تحلیل و آنالیز MLهای داده‌ها
       بخش بصری سازی داده‌ها
       بخش‌های مدیریتی

 

مشخصات فنی

قابلیت‌های کلی این محصول عبارتند از:

       امکــان ایجــاد و ذخیره Connection string هــای مختلف اعم از SQL(JDBC)،Stream ،Rest API Documents، Folders،Twitter  و ...
       امکان اتصال به CS ساخته شده و دریافت Schema کامل آن بانک و جداول مربوطه و استخراج ساختار آن‌ها.
       دریافت کلیـه داده‌هــای Schema استخراج‎شده شـــــامل فیلدهــا، نوع و اندازه آن‌هــا، توضیحــات، مقــادیر کمینه، بیشینه، میانه، میانگین و ... فیلدهــا، رکوردهــا، رکوردهــای تکراری، داده‌هــای Missing و ذخیره در Cassandra و ...
       امکان تولید نمونه فرم جمع‌آوری خصوصیات بانک اطلاعاتی با داده‌های پیش‌فرض جهت تکمیل توسط اپراتور و ذخیره آن.
       امکان درج توضیحات توسط اپراتور برای فرم استخراج‌شده، امکان تعیین درجه اهمیت فیلدها، میزان محرمانگی داده، حریم خصوصی، امکان انتشار، حجم داده‌های درون جدول، روند رشد داده‌ها و ...
       شناسایی بعد داده‌ها از نظر ویژگی، تعداد مقادیر، مجموعه داده‌ها.
       امکان ایجاد کپی از جداول و Data Frame های استخراج‌شده.
       امکان ساخت Cube های داده به صورت ویزاردی به نحوی که بتوان DF های مورد نظر را انتخاب کرده، اطلاعات Metadata هر کدام را ملاحظه نموده، برای حالات مختلف پیش‌پردازش مثل تصمیم‌گیری درباره داده‌های پرت، ترکیب ویژگی‌ها و ...
       امکـان نوشتن Query یا انتخاب از قابلیت‌هـای موجود (این قابلیت‌هـا توسط متخصص داده‌ای که با سـامـانه کار می‌کند باید قابل انتخاب باشد) و سپس شناسایی فیلدهایی که باید از روی آن‌ها Cube ساخته شود و Join شوند و در نهایت DF جدید ساخته شده (Cube) در Cassandra ذخیره شود.
       امکان ایجاد کپی‌های متعدد از DF ها و Cube های مختلف وجود داشته باشد.
       بتوان هر کدام از موجودیت‌های ذخیره شده را مجددا به صورت Local Run یا Force Run کرد. حالت اول اجراها فقط بر روی داده‌های استخراج شده‌ای که در DataLake ذخیره شده‌اند انجام می‌شود و حالت دوم مربوط به اجرای مجدد و استخراج مجدد داده‌های اصلی و اعمال قوانین روی آن‌ها و پاک‌سازی و ساخت مجدد مکعب‌ها می‌باشد.
       امکان تعیین انواع پیشنهادهای پاک‌سازی روی داده‌ها و فیلدها از قبیل:

  • عدم رعایت هم‌سانی واحد زمانی
  • عدم رعایت هم‌سانی واحد وزن
  • عدم رعایت واحد طولی
  • عدم رعایت واحد پولی
  • عدم رعایت هم‌سانی سایر
  • قرار نداشتن مقادیر در محدوده مجاز
  • عدم رعایت یکتایی مقادیر

       امکان اخذ انواع گزارش‌های گرافیکی از DF ها و Cube ها وجود داشته باشد. اعم از تعداد رکورد، سایز روی دیسک، زمان تولید، زمان خواندن و اجرا، ابعاد، تعداد مکعب‌هایی که از DF ها استفاده می‌کنند.
       امکان مشاهده Sample داده از DF ها یا Cube ها
       امکان اجرای الگوریتم‌های کاهش ابعادی هم‌چون PCA و SVD روی DF ها یا Cube ها و ذخیره DF یا Cube جدید
       امکان "پویش داده" تولید انواع نمودارهای گرافیکی روی DF ها و Cube ها (آمارهای کلان، مصورسازی)
       امکان کار با انواع داده‌های GIS و جغرافیایی
       در بخش محاسبه Meta Data یا آمارهای کلان می‌توان مقادیر زیر را محاسبه کرد:

  • بسامد داده Frequency: Mode  یا Percentile
  • مکان: میانگین یا میانه
  • پراکندگی: واریانس، انحراف از معیار، واریانس یا انحراف معیار مبتنی بر میانه(MAD-AAD-Interquartile Range)
  • مصورسازی: تولید نمودارهای زیر برای همه DF ها و Cube ها. هیستوگرام، نمودارهای جعبه‌ای Box Plot، پراکندگی Scatter، بدنه‌ای Contour، ماتریسی Matrix، مختصات موازی  Parallel Coordinator، ستاره‌ای، صورتک‌های چرنف Chernoff Faces

       امکان تولید وب‌سرویس  و API بر روی موجودیت‌های سیستم اعم از DF و جداول، مکعب‌های داده‌ای و ...
       استخراج روابط بین جداول و نمایش گرافیکی آن‌ها
       امکان مشاهده گرافیکی میزان نقص داده‌های جداول مبتنی بر نقص رکورد یا فیلد (به قابلیت Drill-Drown) به نحوی که با تعیین یکسری معیار استاندارد بتوان میزان نقص هر جدول را محاسبه کرده و نمایش داد.
       امکان ثبت UC های شناسایی‌شده و همچنین تعیین این‌که کدام DF استخراج شده در این UC استفاده می‌شود.
       امکان تعیین سطح دسترسی به منظور تأیید را رد UC ها یا DF های شناسایی‌شده
       امکان مشاهده میزان نقص داده DF های هر UC به صورت گرافیکی
       امکان ساخت Df های جدید از DF های استخراج شده در قالب یک Cube یا Data Mart
       امکان اتصال یک Code Editor به این ابزار به منظور کد نویسی الگوریتم‌های مورد نیاز
       امکان تعریف کلاسترهای مجازی و ایجاد قابلیت تعیین این‌که کد نوشته‌شده روی کدام کلاستر اجرا شود
       امکان تعیین سطوح دسترسی مختلف برای کاربران:

  • تعریف کاربر
  • انتساب UC ها به کاربران
  • تعیین سطح دسترسی کاربر به فیلدها یا تعداد رکوردهای مشخصی از هر DF
  • تعیین سطح دسترسی کاربر به کلاستر مجازی

       اتصال موتور کدنویسی به موتور Machine Learning اسپارک برای ایجاد قابلیت استفاده برنامه‌نویس در محیط ادیتور از الگوریتم‌های مربوطه
       امکان کدنویسی برای استخراج منابع داده‌ای از شبکه‌های اجتماعی بر اساس کلمه کلیدی
       امکان ذخیره‌سازی نتیجه یک کد نوشته شده در قالب DF به نحوی که قابل استفاده برای سایرین باشد.
       امکان اتصال سیستم به یک زمانبندی مانند Apache Nifi
       امکان تعریف زمانبندی اتصالات به منابع داده‌ای و بازه‌های زمانی به روزرسانی دریاچه داده
       امکان مشاهده گزارش نتیجه واکشی داده‌ها از نظر سلامت اجرا یا خطا در زمان واکشی اطلاعات

https://delta.io/wp-content/uploads/2019/04/Delta-Lake-marketecture-0423c.png

به ازای هر یک از ستون‌ها، اطلاعات آماری زیر مرتبط با نوع آن فیلد استخراج شود:

       Essentials: type, unique values, missing values
       Quantile statistics: like minimum value, Q1, median, Q3, maximum, range, interquartile range
       Descriptive statistics: like mean, mode, standard deviation, sum, median absolute deviation, coefficient of variation, kurtosis, skewness
       Most frequent values
       Histogram
       Record Count: The total number of records in the column
       Unique Values: The distinct count of unique values in a column
       Empty Strings: The count of empty strings in a column
       Null Values: The count of null values in a column
       Percent Fill: The percentage of records that are not empty string or null
       Percent Numeric: The percentage of records that are numeric
       Max Len: The max length of data

درخواست مشاوره

پلن‌های فروش و جدول قیمتی نرم‌افزار دلتابان

قابلیت

Standard

Enterprise

Rocket

Jet

ماژول پایه (Core Module)

*

* * *

داشبورد تولید گزارشات آماری

*

* * *

امکان نوشتن توابع پاک‌سازی جدید (User Defined Function)

  * * *

امکان تولید Open API برای دسترسی به داده‌های انباره داده (دسترسی به CUBEها) با قابلیت تعیین دسترسی کاربران به APIها

  * * *

امکان اتصال به داده‌های Streaming و دریافت آن‌ها

  * * *

امکان اتصال به محیط کدنویسی مبتنی بر وب Web IDEA

    * *

امکان ساخت کلاسترهای مجازی و ایجاد دسترسی برای گروه‌های برنامه نویسی

    * *

امکان اتصال به مدل‌های یادگیری ماشینی و اجرای آن‌ها

      *

فعال‌سازی قابلیت اجرای نرم‌افزار برروی GPU به جای CPU

      *

محدودیت تعداد فید برای اتصال به منابع داده‌ای بیرونی

10

20

نامحدود

نامحدود

نصب و راه‌اندازی و آموزش نرم‌افزار

* * * *
قیمت تماس تماس تماس تماس

 

    ماژول پایه یا Core Module دارای امکانات پایه نرم‌افزار به شرح زیر می‌باشد:

  قابلیت اتصال به بانک‌های اطلاعاتی مختلف اعم از MSSQL, MySQL, Postrgres, Oracle و فایل‌ها داده‌ای با فرمت‌های استاندارد
  امکان شناسنامه‌دار کردن بانک‌ها و جداول خوانده شده
  امکان تعریف انواع کوئری‌ها برای Extract از بانک‌های اطلاعاتی موجود
  امکان استفاده از توابع پاک‌سازی نوشته شده
  امکان ذخیره‌سازی داده‌های خوانده‌شده در قالب Data Frame
  امکان انتقال داده‌ها به حافظه رم
  امکان نوشتن SQL برای دستکاری جداول
  امکان ساخت انباره داده
  دسترسی به داشبورد مدیریتی سیستم
  امکان تعریف کاربران سیستم
  امکان مشاهده وضعیت استفاده از منابع سخت‌افزاری
  امکان تعریف زمان‌بندی برای به روزرسانی داده‌ها

 

فرم درخواست خرید

جهت خرید محصول و یا استعلام قیمت لطفا فیلدهای ذیل را پر نمایید

شرکت سیکاس در حوزه اینترنت اشیاء، شهر هوشمند و کلان داده فعال می‌باشد. پرسنل این شرکت در قالب دو تیم زبده و باتجربه در زمینه طراحی و تولید سامانه‌های هوشمند شهری (حوزه اینترنت اشیاء) و تیم کلان داده فعالیت می‌کنند. همچنین تیم بازرگانی و فروش سیکاس با تجربه بیش از ۱۰ سال، در حوزه تامین تجهیزات سخت افزاری مراکز داده (سرور، سوییچ، ذخیره ساز) به صورت واردات مستقیم و در حجم انبوه فعال می‌باشد. به صورت خاص دو محصول سانا (سامانه سخت‌افزاری هوشمند آبیاری از راه دور) و Secaas Data Lake (نرم‌افزار مدیریت کلان داده و انباره داده) از محصولات این شرکت می‌باشند. همچنین طراحی و پیاده سازی شبکه زیرساختی و ارتباطی اینترنت اشیاء مبتنی بر پروتکل LoRa، از دیگر فعالیت‌های سیکاس است.

شبکه های اجتماعی
  • Twitter
  • Facebook
  • Instagram
  • Telegram
برگه‌ها
  • ثبت شکایات
  • قوانین و مقررات
اطلاعات تماس
  • آدرس : تهران، خیابان مطهری، نرسیده به سهروردی، پلاک ۱۰۰، طبقه چهارم، واحد ۷
  • تلفن : 09999970170
  • پست الکترونیک : info@secaas.ir
کلیه حقوق مادی و معنوی این سایت متعلق به شرکت سیکاس می‌باشد.