KOMPLEKSITAS TEORI,

ALGORITMA, DAN STRATEGI 90 menit

DATA ANALYTICS
CERITA
"Kompleksitas Sains adalah pedang bermata dua dalam arti yang terbaik mungkin. Ini benar-benar “ilmu
besar”karena itu mencakup beberapa yang paling sulit, paling mendasar dan paling menantang masalah
terbuka dalam dunia akademis. Namun juga berhasil merangkum isu-isu praktis utama yang kita hadapi
setiap haridari kami kehidupan pribadi dan kesehatan, hingga keamanan global. Membuat pizza rumit,
tapitidak rumit. Hal yang sama berlaku untuk mengisi pengembalian pajak Anda, atau memperbaiki
tusukan sepeda. Hanyaikuti petunjuk langkah demi langkah, dan akhirnya Anda akan dapat pergi dari
awal sampai akhir tanpa terlalu banyak kesulitan. Tapi bayangkan mencoba untuk melakukan semua tiga
pada waktu yang sama. Lebih buruk lagi, anggaplah bahwaurutannya langkah-langkah yang Anda ikuti di
satu tugas sebenarnya tergantung pada bagaimana hal-hal yang berkembang dengan yang lain dua. Sulit?
Nah, Anda sekarang memiliki indikasi apa Kompleksitas adalah semua tentang. Dengan itudalam pikiran,
Sekarang menggantikan tiga tugas yang saling berhubungan untuk situasi di mana tiga orang yang saling
berhubungan masing-masing mencoba untuk mengikuti naluri dan strategi mereka sendiri sementara
bereaksi terhadap tindakan orang lain. Inikemudian memberikan gambaran tentang betapa Kompleksitas
mungkin timbul di sekitar kita dalam kehidupan kita sehari-hari. “
(Neil Johnson, Cukup Kompleksitas hal.12)
KOMPLEKSITAS DALAM
HIDUP KITA SEHARI-HARI
KOMPLEKS?
TEORI KOMPLEKSITAS
Dua Dimensi Penting
1. Ruang / Ukuran
2. Waktu

Jumlah komponen dapat memberikan rasa awal pada kompleksitas tapi sangat sulit
untuk menilai jumlah komponen yang saling berhubungan di kompleks sistem.
MELIHAT
CYNEFIN KERANGKA (KIH-
NEH-VIHN)
CYNEFIN KERANGKA
Kerangka kerja ini menyediakan tipologi konteks yang memandu macam apa
penjelasan atau solusi mungkin berlaku. Hal ini mengacu pada penelitian ke dalam
teori kompleks sistem adaptif, ilmu kognitif, antropologi, dan pola narasi, serta
psikologi evolusioner, untuk menggambarkan masalah, situasi, dan sistem. Ini
"mengeksplorasi hubungan antara manusia, pengalaman, dankonteks “dan
mengusulkan pendekatan baru untuk komunikasi, pengambilan keputusan,
pembuatan kebijakan, dan manajemen pengetahuan dalam lingkungan sosial yang
kompleks.
KOMPLEKSITAS DALAM
ANALISIS DATA
1. kompleksitas komputasi
2. kompleksitas struktur data
KOMPLEKSITAS KOMPUTASI
STRUKTUR DATA
KOMPLEKSITAS
CONTOH: KOMPLEKSITAS
DALAM OPERASI
MATEMATIKA SEDERHANA
•Penambahan adalah O (n)  linear fungsi, O (n) = n
•Subtractions adalah O (n)  fungsi linear, O (n) = n
•Multiplisitas adalah O (n2)  fungsi kuadrat, misalnya O (n) = n2+ (2n-1)
Dengan:
O (n) adalah jumlah operasi
n adalah jumlah elemen
Misalnya 10 + 10 dapat dianggap sebagai memiliki 2 elemen per komponen dan 100
+ 100 dapat dianggap sebagai memiliki 3 elemen per komponen (kita
membandingkan apple to apple di sini).
JUMLAH OPERASI DI
ADDITION
10 100
10 100
--- + ------ +
20  2 operasi 200  3 operasi
JUMLAH OPERASI DI
PERKALIAN
10 100

10 100
--------- X
--------- X
000  3 operasi
00  2 operasi
000  3 operasi
10  2 operasi
100  3 operasi
-------- +
-------- +
100  3 operasi 10000  5 operasi
Total: 2 + 2 + 3 operasi atau 22 + 3 Total: 3 + 3 + 3 + 5 operasi atau 32 + 5
Memenuhi fungsi O (n) = N2+ (2n-1) Juga memenuhi fungsi O (n) = n2+ (2n-1)
Fungsi kuadrat
ALGORITMA
DEFINISI
"Sebuah algoritma adalah prosedur yang terdefinisi dengan baik yang memungkinkan
komputer untuk memecahkan masalah"
“A mandiri langkah-demi-langkah mengatur operasi menjadi dilakukan”
“SEBUAH seperangkat aturan yang justru mendefinisikan urutan operasi"
Lain cara untuk menggambarkan suatu algoritma adalah urutan instruksi ambigu.
Penggunaan istilah 'ambigu' menunjukkan bahwa tidak ada ruang untuk subjektifinterpretasi.
Setiap kali Anda meminta komputer Anda untuk melaksanakan algoritma yang sama, ia akan
melakukannya persis dengan cara yang sama dengan hasil yang sama persis.
CONTOH ALGORITMA
Sebuah contoh yang sangat sederhana dari suatu algoritma akan menemukan jumlah
terbesar dalam daftar disortir dari nomor (L).
Langkah 1: Biarkan variabel Terbesar = L1
Langkah 2: Untuk setiap item dalam daftar L:
Langkah 3: Jika Item lebih besar dari Terbesar:
Langkah 4: Kemudian Terbesar = yang barang
Langkah 5: Kembali Terbesar
MISALNYA DI R UNTUK
ANALISIS TEKS TWITTER
1. Ambil tweet
Kami belum selesai ...
2. beban tweet 20. frekuensi Hitungan beberapa kata dengan bunga
3. Mengkonversi tweets ke data frame .
.
4. Membangun corpus dan menentukan sumber menjadi .
vektor karakter 30. Plot
5. Mengkonversi corpus ke huruf kecil 31. Cari asosiasi menggunakan findAssocs
Dan banyak lagi ...
6. Menghapus url
7. Hapus apa pun selain huruf Inggris atau ruang
8. Hapus tanda baca
9. Seterusnya ...
PROSEDUR
Algoritma dapat menjadi kompleks, pengembang menciptakan prosedur untuk
membuatnya lebih sederhana. Sebagai contoh Anda dapat menggunakan fungsi
MAX (array) untuk menemukan jumlah terbesar, sama Anda dapat menggunakan
max (dat, Na.rm = TRUE) di R atau Max (Range) di Excel.
TRADE-OFF DALAM
MENGOLAH ANALISIS DATA
YANG KOMPLEKS
Dua langkah yang paling umum adalah:
1. Waktu: Berapa lama algoritma mengambil untuk menyelesaikan.
2. Ruang: Berapa banyak memori kerja (biasanya RAM) yang dibutuhkan oleh
algoritma. Ini memiliki dua aspek: jumlah memori yang dibutuhkan oleh kode,
dan jumlah memori yang diperlukan untuk data yang kode beroperasi.
PENGUKURAN LAIN
Dalam beberapa kasus tindakan kurang umum lainnya juga mungkin relevan:
1. konsumsi daya langsung: Daya yang dibutuhkan langsung untuk mengoperasikan
komputer.
2. konsumsi daya tidak langsung: Daya yang dibutuhkan untuk pendinginan,
pencahayaan, dll
3. ukuran transmisi
4. Luar ruang
5. Tanggapan waktu
6. Total biaya kepemilikan
MASALAH PERTUMBUHAN
EKSPONENSIAL
populasi manusia termasuk mikroorganisme
Pertumbuhan ekonomi
bunga berganda
kekuatan pemrosesan dari komputer
Internet (Data) lalu lintas
kompleksitas komputasi

Sayangnya, pertumbuhan eksponensial dari kekuatan komputer pengolahan (ditambah efek Hukum
Moore) saja tidak dapat mengatasi masalah pertumbuhan eksponensial dunia. Kita perlu algoritma
efisien.
HUKUM MOORE
Hukum Moore (/mɔərz
.lɔː /) Adalah
pengamatan bahwa
jumlah transistor dalam
padat sirkuit terpadu
ganda kira-kira setiap
dua tahun.
KOMPUTA
SI
KEKUASA
AN
TINGKAT OPTIMASI
1. Desain tingkat
2. Algoritma dan struktur data bunga kami untuk kursus ini

3. tingkat kode sumber

4. membangun tingkat
5. kompilasi tingkat
6. Majelis tingkat
7. Menjalankan waktu
KEKUATAN PENGURANGAN
tugas-tugas komputasi dapat dilakukan dalam beberapa cara yang berbeda dengan berbagai efisiensi. Sebuah versi
yang lebih efisien dengan fungsi setara dikenal sebagaireduksi kekuatan.
Sebagai contoh, pertimbangkan hal berikut C potongan kode yang niat adalah untuk mendapatkan jumlah semua
bilangan bulat dari 1 sampai N:
int i, sum = 0;
untuk (i = 1; i <= N; ++ i) {
sum + = i;
}
printf ( "sum:% d \ n", sum);
Kode ini dapat (dengan asumsi tidak ada meluap aritmatika) Ditulis ulang menggunakan rumus matematika seperti:
int sum = N * (1 + N) / 2;
printf ( "sum:% d \ n", sum);
PENGURANGAN KEKUATAN
HARUS ...
1. Meminimalkan ruang / ukuran
2. meminimalkan waktu

Ambil contoh dalam optimasi aplikasi. aplikasi dioptimalkan memiliki karakteristik:

3. Berjalan lebih cepat (berarti lebih efisien)
4. Mengambil sedikit ruang (Sebelum optimasi: 1GB, setelah optimasi: 0.9GB)
5. Sebaiknya mengambil ruang RAM kurang
Karakteristik ini juga berlaku untuk algoritma.
PRAKTIK TERBAIK DARI
PENGETAHUAN MANAJEMEN
Bagaimana Untuk Mengurangi Kompleksitas Dalam Lima Langkah sederhana
1. Hapus belukar. menyingkirkan aturan ambigu dan kegiatan rendah nilai, -buang
waktu
2. Bersih perspektif. fokus pada tujuan tertentu
3. Prioritize hal yang paling penting
4. Mengambil jalan terpendek dengan menghilangkan loop, redudansi, dan juga
membuat hal-hal yang lebih ramping
5. mengurangi tingkat
 MENGGUNAKAN BASIS DATA GRAFIK
UNTUK JARINGAN YANG KOMPLEKS /
HUBUNGAN DATA YANG INTENSIF

RDBMS Anda penyimpanan yang khas operasi database grafik khas

OPERASI DATABASE GRAFIK
KHAS

graph database mempekerjakan node, sifat, dan tepi.

MODEL DATA NEO4J
RDBMS VS GRAFIK DBMS:
STRUKTUR DATA
RDBMS VS GRAFIK DBMS:
PERMINTAAN
pernyataan SQL
Nama SELECT FROM Orang KIRI IKUT Person_Department DI Person.Id =
Person_Department.PersonId LEFT JOIN Departemen ON Department.Id =
Person_Department.DepartmentId MANA Department.name = "IT Department"

NoSQL Pernyataan: Menggunakan Cypher di Neo4j

MATCH (p: Orang) <- [: EMPLOYEE] - (d: Department)
MANA d.name = "IT Department"
KEMBALI p.name
MEMBUNGKUS: STRATEGI
DALAM MENGELOLA
ANALISIS DATA BESAR
Memanfaatkan praktik terbaik untuk mendapatkan wawasan berharga dari data besar
dengan menggunakan konsep-konsep ini:
1. kegunaan Data
2. integrasi data ke proses kunci
3. wawasan ditindaklanjuti yang memperbaiki proses pengambilan keputusan
4. berbagi data
5. alat terbaik
6. Skalabilitas dan Kecepatan
7. mengurangi kompleksitas
LATIHAN (TENTATIF)
1. Mengidentifikasi sistem yang kompleks dalam kehidupan sehari-hari yang dapat dikelola oleh
sistem komputasi (misalnya. Sistem Informasi, DSS, ERP, dll). Di kelas.
2. Cobalah untuk membedakan antara 4 jenis konteks masalah (sederhana / jelas, rumit, kompleks,
chaos) untuk sistem yang berbeda. Di kelas.
3. Mencari studi kasus strategi perusahaan dalam mengelola analisis data besar (mungkin
menggunakan studi kasus sebelum Anda). Anda dapat memberikan saran Anda. Di kelas atau
pekerjaan rumah.
Penilaian Metrik:
4. Jumlah komponen dalam sistem (misalnya. Pemangku kepentingan, subsistem,softwares,
Penyimpanan, dll) untuk mengidentifikasi ukuran atau ruang
5. Lamanya waktu (misalnya. Datatimelime, Panjang proses, dll)
6. Jumlah saran yang terkait dengan poin dalam “Strategi Mengelola Big data Analytics”
SUMBER
1. P. Ferreira, “Tracing Kompleksitas Teori”
2. Angles, Renzo; Gutierrez, Claudio (1 Feb 2008). "Survei model graph database"
(PDF). Survei ACM Computing. Association for ComputingMesin.
3. Silberschatz. Avi(28 Januari 2010). Sistem Database Konsep, KeenamEdisi
4. Frost Sullivan, “Mengurangi Informasi Kompleksitas dan Biaya Untuk Kesehatan
Teknologi Organisasi”, diambil pada September 2016 dari https: //
www.emc.com/collateral/analyst-reports/frost-sullivan-reducing-information-techno
logy-complexities-ar.pdf
5. Julia Wester, “memahami Cynefin Kerangka - dasar intro”, diambil pada
September 2016 dari
http://www.everydaykanban.com/2013/09/29/understanding-the-cynefin-framework/