Обработка данных

Возможно, эта статья содержит оригинальное исследование. Добавьте ссылки на источники, в противном случае она может быть выставлена на удаление. Дополнительные сведения могут быть на странице обсуждения. (25 мая 2011)

На настоящий момент, единственное, известное человеку, «устройство для обработки информации» — это сам человек. Поэтому, то, что называют современными «информационными технологиями», сводится, по большей части, к обработке данных с помощью различных методов, включая применение современных компьютеров и программ для них, а также - методы создания и издания:

• книг,
• фильмов,
• музыки,
• веб-сайтов,
• справочников,
• учебных пособий.

При этом данные, по сути, являются формой представления информации вне сознания отдельного человека.

Типичные цели обработки данных

• собрать всю доступную информацию, представленную в данных различной природы;
• отделить существенную информацию, представленную данными, от несущественной, для рассмотрения в данный момент;
• представить существенную информацию в виде, наиболее удобном для восприятия человеком.

Эти цели, в свою очередь, приводят к постановке задач обработки данных

Общие задачи обработки данных

• сбор данных
  • оценка качества данных
• ввод данных в различные информационные системы
  • автоматический ввод данных
  • ручной ввод данных
    • контроль и исправление ошибок ручного ввода
• накопление данных
• хранение накопленных данных, в том числе:
  • длительное хранение данных
    • надёжность хранения данных
  • учёт и инвентаризация данных
  • сортировка данных
  • классификация данных
• доступ к данным
  • поиск нужных данных в накопленных массивах данных
  • контроль доступа и защита данных
• передача данных и обмен данными:
  • упаковка данных
  • маркировка данных
  • надёжность передачи данных
• представление данных, как то:
  • наглядные представления данных:
    • текстовое представление данных
    • табличное представление данных
    • графическое представление данных
    • визуальное представление данных
  • форматы представления данных в различных информационных системах

Описание структуры обработки данных (пример различных направлений математического и графического устройства (CPU & GPU)

Устройство, обрабатывающий физическую, математическую и графическую информацию в двухкратной битности (1, 2, 4, 8, 16, 32, 64 etc) процессор, способный расчитывать физическую, следовательно и математическую разметку информации алгоритма столкновений и последующего циклического действия ритмом отскока, в частности для просчета физической информации, для обработки графической информации (компилированного кода в 32-битности - 32, 64, 128 etc), содержащий цветную информацию в RGB формате (пределом 255, 255, 255), графический контроллер данных целируется на построении только скомпилированных данных графических обозначений и адресов пути, соответственно нагрузка на центральный процессор снижается, однако графический контроллер не может обрабатывать физические и математически данные, поскольку в этом случае обработка происходит не в 32 битности, а второй, чисто гипотетически обрабатывать физику он может, но данные будут поступать обрывками, т.е не точным образом получается обработка и степень обрезает 30 битов, т.е большая часть данных, это приведет к несомненному сбою системы, именно поэтому придумали различную степенизацию. Однако в отличие от графического контроллера, централизованный процессор данных является многофункциональным: имеет двукратную битность, ведь 32 также кратно двум, однако ввиду битности цветных изображений современного вида в 32бита, то рендеринг путем ЦП будет осущеставляться в 16 раз дольше, чем рендеринг графическим устройством. А чем больше графический информации хранит игровой файл (например 1024), тем дольше будет рендерить ЦП (для обработки мегабайтовой информации, ГПУ произведет РОВНО 32-кратный рендер, в то время как ЦП - 512 кратный, что также в 16 раз больше величины ГПУ обработки. Но инженеры из NVIDIA придумали инновационную технологию оптимизации пропускной способности ГПУ (распределение процессов во внутреннем кеше (требует больше ресурсов дискретной памяти) и лишь последующая обработка), технология работает достаточно просто: сначала производится быстрый рендер графических данных по 32-кратной структуре, затем при наличии физической или математической команды он просчитывает его 2-кратным путем, однако для поддержки данной технологии, нужно соответствующее устройство с поддержкой данной технологии. А также специальный драйвер, калибрирующий всеми данными. Таким образом PhysX-based GPUs can render physics & maths data for one times only.

Прикладные области обработки данных

Ниже - просто список примеров, по алфавиту:

• Астрономия
• Биотехнологии
• Бухгалтерский учёт и инвентаризация
• Издательское дело
• Классификация
• Компьютерная графика
• Конкурентная разведка
• Криптография
• Нанотехнологии
• Обработка изображений
• Обработка результатов экспериментов
• Обработка сигналов
• Обучение
• Представление знаний
• Прикладная статистика
• Прогнозирование
• Промывание мозгов
• Технологии
• Уфология
• Фотография
• Экономическая кибернетика
• Экспериментальная психология

Нетрудно вообразить себе и множество других примеров.