මේ Data Science buzzwords දෙක ගොඩක් අයව අවුල් කරනවා. දත්ත කැණීම බොහෝ විට දත්ත උපුටා ගැනීම සහ ලබා ගැනීම ලෙස වරදවා වටහාගෙන ඇත, නමුත් යථාර්ථය වඩාත් සංකීර්ණ වේ. මේ පෝස්ට් එකෙන් අපි Mining dot කරලා Data Mining සහ Data Extraction අතර වෙනස හොයමු.
Data Mining යනු කුමක්ද?
දත්ත කැණීම, ලෙසද හැඳින්වේ දත්ත සමුදා දැනුම සොයාගැනීම (KDD), සැඟවුණු රටා හෝ ප්‍රවණතා සොයා ගැනීමට සහ ඒවායින් අගය උකහා ගැනීමට සංඛ්‍යානමය සහ ගණිතමය ක්‍රම භාවිතා කරමින් විශාල දත්ත කට්ටල විශ්ලේෂණය කිරීමට බොහෝ විට භාවිතා කරන තාක්‍ෂණයකි.
Data Mining වලින් කළ හැක්කේ කුමක්ද?
ක්රියාවලිය ස්වයංක්‍රීය කිරීම මගින්, දත්ත සමුදායන් පිරික්සීමට සහ සැඟවුණු රටා ඵලදායී ලෙස අනාවරණය කර ගත හැක. ව්‍යාපාර සඳහා, වඩා හොඳ ව්‍යාපාරික තීරණ ගැනීමට උපකාර කිරීම සඳහා දත්තවල රටාවන් සහ සම්බන්ධතා සොයා ගැනීමට දත්ත කැණීම බොහෝ විට භාවිතා වේ.
යෙදුම් උදාහරණ
1990 ගණන්වල දත්ත කැණීම පුළුල් වූ පසු, සිල්ලර, මූල්‍ය, සෞඛ්‍ය සේවා, ප්‍රවාහනය, විදුලි සංදේශ, ඊ-වාණිජ්‍යය ඇතුළු පුළුල් පරාසයක කර්මාන්තවල සමාගම් දත්ත පදනම මත තොරතුරු ලබා ගැනීම සඳහා දත්ත කැණීම් ක්‍රම භාවිතා කිරීමට පටන් ගත්හ. දත්ත කැණීම ගනුදෙනුකරුවන් කොටස් කිරීමට, වංචා හඳුනා ගැනීමට, විකුණුම් පුරෝකථනය කිරීමට සහ තවත් බොහෝ දේ සඳහා උපකාර කළ හැකිය.
- පාරිභෝගික ඛණ්ඩනය
පාරිභෝගික දත්ත විශ්ලේෂණය කිරීමෙන් සහ ඉලක්කගත ගනුදෙනුකරුවන්ගේ ගතිලක්ෂණ හඳුනා ගැනීමෙන් සමාගම්වලට ඔවුන්ව වෙනම කණ්ඩායමකට කාණ්ඩ කර ඔවුන්ගේ අවශ්‍යතා සපුරාලන විශේෂ දීමනා ලබා දිය හැකිය. - වෙළඳපල බාස්කට් විශ්ලේෂණය
මෙම තාක්‍ෂණය පදනම් වී ඇත්තේ ඔබ යම් නිෂ්පාදන සමූහයක් මිලට ගන්නේ නම්, ඔබ වෙනත් නිෂ්පාදන සමූහයක් මිලදී ගැනීමට වැඩි ඉඩක් ඇති න්‍යාය මත ය. එක් ප්‍රසිද්ධ උදාහරණයක්: පියවරුන් තම ළදරුවන්ට ඩයපර් මිලදී ගන්නා විට, ඔවුන් ඩයපර් සමඟ බියර් මිලදී ගැනීමට නැඹුරු වෙති. - විකුණුම් පුරෝකථනය
එය වෙළඳපල බාස්කට් විශ්ලේෂණයට සමාන බවක් පෙනෙන්නට ඇත, නමුත් මෙවර දත්ත විශ්ලේෂණය භාවිතා කරන්නේ අනාගතයේදී පාරිභෝගිකයෙකු නැවත නිෂ්පාදනයක් මිලදී ගන්නේ කවදාද යන්න පුරෝකථනය කිරීමටයි. නිදසුනක් වශයෙන්, පුහුණුකරුවෙකු මාස 9 ක් පැවතිය යුතු ප්රෝටීන් කෑන් එකක් මිලදී ගනී. මෙම ප්රෝටීන් අලෙවි කරන වෙළඳසැල මාස 9 කින් නව එකක් නිකුත් කිරීමට සැලසුම් කර ඇති අතර එමඟින් පුහුණුකරු එය නැවත මිලදී ගනු ඇත. - වංචා අනාවරණය
දත්ත කැණීම වංචා හඳුනාගැනීම සඳහා ආකෘති ගොඩනැගීමට උපකාරී වේ. වංචනික සහ සත්‍ය වාර්තාවල සාම්පල එකතු කිරීමෙන්, කුමන ගනුදෙනු සැක සහිතදැයි තීරණය කිරීමට ව්‍යාපාරවලට බලය ලැබේ. - නිෂ්පාදනයේ රටා හඳුනා ගැනීම
නිෂ්පාදන කර්මාන්තය තුළ, නිෂ්පාදන ගෘහ නිර්මාණ ශිල්පය, පැතිකඩ සහ පාරිභෝගික අවශ්‍යතා අතර සම්බන්ධය හඳුනා ගැනීමෙන් පද්ධති සැලසුම් කිරීමට උපකාර කිරීම සඳහා දත්ත කැණීම භාවිතා වේ. දත්ත කැණීම මඟින් නිෂ්පාදන සංවර්ධන වේලාවන් සහ පිරිවැය ද පුරෝකථනය කළ හැකිය.
තවද මේවා දත්ත කැණීම සඳහා භාවිතා කරන අවස්ථා කිහිපයක් පමණි.
දත්ත කැණීමේ අදියර
දත්ත කැණීම යනු රටා ඇගයීමට සහ අවසානයේ වටිනාකම නිස්සාරණය කිරීම සඳහා දත්ත එකතු කිරීම, තෝරා ගැනීම, පිරිසිදු කිරීම, පරිවර්තනය කිරීම සහ උපුටා ගැනීමේ සම්පූර්ණ ක්‍රියාවලියකි.
සාමාන්‍යයෙන්, සම්පූර්ණ දත්ත කැණීමේ ක්රියාවලිය පියවර 7කට සාරාංශ කළ හැක:
- දත්ත පිරිසිදු කිරීම
සැබෑ ලෝකයේ දත්ත සෑම විටම පිරිසිදු කර ව්‍යුහගත නොවේ. ඒවා බොහෝ විට ඝෝෂාකාරී, අසම්පූර්ණ සහ දෝෂ අඩංගු විය හැක. දත්ත කැණීමේ ප්රතිඵලය නිවැරදි බව තහවුරු කර ගැනීම සඳහා, ඔබ මුලින්ම දත්ත පිරිසිදු කළ යුතුය. සමහර පිරිසිදු කිරීමේ ක්‍රමවලට අතුරුදහන් වූ අගයන් පිරවීම, ස්වයංක්‍රීය සහ අතින් පාලනය, යනාදිය ඇතුළත් වේ. - දත්ත ඒකාබද්ධ කිරීම
විවිධ ප්‍රභවයන්ගෙන් දත්ත උපුටා ගැනීම, ඒකාබද්ධ කිරීම සහ ඒකාබද්ධ කිරීම සිදු කරන අදියර මෙයයි. මූලාශ්‍ර දත්ත සමුදායන්, පෙළ ගොනු, පැතුරුම්පත්, ලේඛන, බහුමාන දත්ත කට්ටල, අන්තර්ජාලය යනාදිය විය හැක. - දත්ත නියැදීම
සාමාන්‍යයෙන්, දත්ත කැණීමේදී සියලුම ඒකාබද්ධ දත්ත අවශ්ය නොවේ. දත්ත නියැදීම යනු ප්‍රයෝජනවත් දත්ත පමණක් තෝරාගෙන විශාල දත්ත ගබඩාවකින් උපුටා ගන්නා අදියරයි. - දත්ත පරිවර්තනය
දත්ත තෝරාගත් පසු, එය පතල් කැණීම සඳහා සුදුසු ආකෘති බවට පරිවර්තනය වේ. මෙම ක්රියාවලිය සාමාන්යකරණය, එකතු කිරීම, සාමාන්යකරණය, ආදිය ඇතුළත් වේ. - දත්ත කැණීම
දත්ත කැණීමේ වැදගත්ම කොටස මෙන්න - ඒවා තුළ රටා සොයා ගැනීමට බුද්ධිමත් ක්‍රම භාවිතා කිරීම. ක්‍රියාවලියට ප්‍රතිගමනය, වර්ගීකරණය, පුරෝකථනය, පොකුරු කිරීම, ආශ්‍රිත ඉගෙනීම සහ තවත් දේ ඇතුළත් වේ. - ආදර්ශ ඇගයීම
මෙම පියවරේ අරමුණ වන්නේ ප්‍රයෝජනවත් විය හැකි, තේරුම් ගැනීමට පහසු රටා මෙන්ම උපකල්පනවලට අනුබල දෙන රටා හඳුනා ගැනීමයි. - දැනුම නියෝජනය
අවසාන අදියරේදී, ලබාගත් තොරතුරු දැනුම නිරූපණය සහ දෘශ්‍යකරණ ක්‍රම භාවිතා කරමින් ආකර්ශනීය ආකාරයකින් ඉදිරිපත් කෙරේ.
දත්ත කැණීමේ අවාසි
- කාලය සහ ශ්‍රමය විශාල ආයෝජනයක්
දත්ත කැණීම දිගු හා සංකීර්ණ ක්‍රියාවලියක් බැවින්, ඒ සඳහා ඵලදායි සහ දක්ෂ පුද්ගලයින්ගෙන් විශාල වැඩ කොටසක් අවශ්ය වේ. දත්ත විද්‍යාඥයින්ට ප්‍රබල දත්ත කැණීම් මෙවලම් භාවිතා කළ හැකි නමුත් දත්ත සැකසීමට සහ ප්‍රතිඵල අවබෝධ කර ගැනීමට විශේෂඥයින් අවශ්ය වේ. ප්රතිඵලයක් වශයෙන්, සියලු තොරතුරු සැකසීමට යම් කාලයක් ගත විය හැකිය. - දත්ත රහස්‍යතාව සහ ආරක්ෂාව
දත්ත කැණීම වෙළඳපල ක්‍රම හරහා පාරිභෝගික තොරතුරු රැස් කරන බැවින්, එය පරිශීලක පෞද්ගලිකත්වය උල්ලංඝනය කළ හැකිය. මීට අමතරව, හැකර්වරුන්ට දත්ත කැණීම් පද්ධතිවල ගබඩා කර ඇති දත්ත ලබා ගත හැකිය. මෙය පාරිභෝගික දත්තවල ආරක්ෂාවට තර්ජනයක් වේ. සොරකම් කරන ලද දත්ත වැරදි ලෙස භාවිතා කරන්නේ නම්, එය පහසුවෙන් අන් අයට හානි කළ හැකිය.
ඉහත දක්වා ඇත්තේ දත්ත කැණීම පිළිබඳ කෙටි හැඳින්වීමකි. මා දැනටමත් සඳහන් කර ඇති පරිදි, දත්ත කැණීම දත්ත එකතු කිරීමේ සහ ඒකාබද්ධ කිරීමේ ක්රියාවලිය අඩංගු වන අතර එයට දත්ත උපුටා ගැනීමේ ක්රියාවලිය (දත්ත නිස්සාරණය) ඇතුළත් වේ. මෙම අවස්ථාවේදී, දත්ත නිස්සාරණය දිගු දත්ත කැණීමේ ක්රියාවලියක කොටසක් විය හැකි බව පැවසීම ආරක්ෂිතයි.
දත්ත උපුටා ගැනීම යනු කුමක්ද?
"වෙබ් දත්ත කැණීම" සහ "වෙබ් සීරීම්" ලෙසද හැඳින්වේ, මෙම ක්රියාවලිය (සාමාන්‍යයෙන් ව්‍යුහගත නොවන හෝ දුර්වල ව්‍යුහගත) දත්ත මූලාශ්‍රවලින් දත්ත මධ්යගත ස්ථාන වෙත උපුටා ගැනීම සහ ගබඩා කිරීම හෝ වැඩිදුර සැකසීම සඳහා එක් ස්ථානයක මධ්යගත කිරීමේ ක්‍රියාවකි. විශේෂයෙන්, ව්‍යුහගත නොවන දත්ත මූලාශ්‍රවලට වෙබ් පිටු, විද්‍යුත් තැපෑල, ලේඛන, PDF ගොනු, ස්කෑන් කළ පෙළ, ප්රධාන රාමු වාර්තා, රීල් ගොනු, නිවේදන ආදිය ඇතුළත් වේ. මධ්යගත ගබඩා දේශීය, වලාකුළු හෝ දෙමුහුන් විය හැක. දත්ත නිස්සාරණයට පසුව සිදු විය හැකි සැකසුම් හෝ වෙනත් විශ්ලේෂණ ඇතුළත් නොවන බව මතක තබා ගැනීම වැදගත්ය.
දත්ත නිස්සාරණයෙන් කළ හැක්කේ කුමක්ද?
මූලික වශයෙන්, දත්ත උපුටා ගැනීමේ අරමුණු වර්ග 3 කට වැටේ.
- සංරක්ෂණය
දත්ත නිස්සාරණයට පොත්, පුවත්පත්, ඉන්වොයිසි වැනි භෞතික ආකෘතිවලින් දත්ත ගබඩා කිරීම හෝ උපස්ථ කිරීම සඳහා දත්ත සමුදායන් වැනි ඩිජිටල් ආකෘති වෙත දත්ත පරිවර්තනය කළ හැක. - දත්ත ආකෘතිය වෙනස් කිරීම
ඔබට ඔබේ වත්මන් අඩවියෙන් සංවර්ධනය වෙමින් පවතින නව එකකට දත්ත සංක්‍රමණය කිරීමට අවශ්ය වූ විට, එය උපුටා ගැනීමෙන් ඔබට ඔබේම වෙබ් අඩවියෙන් දත්ත රැස් කළ හැක. - දත්ත විශ්ලේෂණය
උකහා ගත් දත්ත ඒ පිළිබඳ අවබෝධයක් ලබා ගැනීම සඳහා තවදුරටත් විශ්ලේෂණය කිරීම සාමාන්‍ය දෙයකි. මෙය දත්ත කැණීම හා සමාන විය හැක, නමුත් දත්ත කැණීම දත්ත කැණීමේ ඉලක්කය මිස එහි කොටසක් නොවන බව මතක තබා ගන්න. එපමණක් නොව, දත්ත වෙනස් ලෙස විශ්ලේෂණය කරයි. එක් උදාහරණයක් නම් අන්තර්ජාල වෙළඳසැල් හිමිකරුවන් තත්‍ය කාලීනව තරඟකරුවන්ගේ උපාය මාර්ග නිරීක්ෂණය කිරීම සඳහා Amazon වැනි ඊ-වාණිජ්‍ය අඩවි වලින් නිෂ්පාදන තොරතුරු ලබා ගැනීමයි. දත්ත කැණීම මෙන්, දත්ත උපුටා ගැනීම බොහෝ ප්‍රතිලාභ සහිත ස්වයංක්‍රීය ක්‍රියාවලියකි. අතීතයේදී, මිනිසුන් එක් ස්ථානයක සිට තවත් ස්ථානයකට අතින් දත්ත පිටපත් කර ඇලවූ අතර එය බොහෝ කාලයක් ගත විය. දත්ත නිස්සාරණය එකතු කිරීම වේගවත් කරන අතර උපුටා ගත් දත්තවල නිරවද්‍යතාවය බෙහෙවින් වැඩි දියුණු කරයි.
දත්ත නිස්සාරණය භාවිතා කිරීමේ උදාහරණ කිහිපයක්
දත්ත කැණීම හා සමානව, දත්ත කැණීම විවිධ කර්මාන්තවල බහුලව භාවිතා වේ. ඊ-වාණිජ්‍යය මිල නිරීක්ෂණයට අමතරව, දත්ත කැණීම ඔබේම පර්යේෂණ, ප්‍රවෘත්ති එකතු කිරීම, අලෙවිකරණය, දේපළ වෙළඳාම්, සංචාරක සහ සංචාරක, උපදේශනය, මූල්‍ය සහ තවත් බොහෝ දේ සඳහා උපකාර කළ හැකිය.
- ඊයම් පරම්පරාව
සමාගම්වලට නාමාවලි වලින් දත්ත උකහා ගත හැක: Yelp, Crunchbase, Yellowpages සහ ව්‍යාපාර සංවර්ධනය සඳහා තුඩු ජනනය කරන්න. Yellowpages වෙතින් දත්ත උපුටා ගන්නා ආකාරය ඉගෙන ගැනීමට ඔබට පහත වීඩියෝව නැරඹිය හැක . - අන්තර්ගතය සහ පුවත් එකතු කිරීම
අන්තර්ගත එකතු කරන වෙබ් අඩවිවලට විවිධ මූලාශ්‍රවලින් නිතිපතා දත්ත සංග්‍රහ ලබා ගත හැකි අතර ඔවුන්ගේ අඩවි යාවත්කාලීනව තබා ගත හැක. - හැඟීම් විශ්ලේෂණය
ඉන්ස්ටග්‍රෑම් සහ ට්විටර් වැනි සමාජ ජාල වලින් සමාලෝචන, අදහස් සහ සහතික උපුටා ගැනීමෙන් පසු, වෘත්තිකයන්ට යටින් පවතින ආකල්ප විශ්ලේෂණය කර වෙළඳ නාමයක්, නිෂ්පාදනයක් හෝ සංසිද්ධියක් වටහා ගන්නා ආකාරය පිළිබඳ අවබෝධයක් ලබා ගත හැකිය.
දත්ත උපුටා ගැනීමේ පියවර
දත්ත නිස්සාරණය යනු ETL (උපුටා ගැනීම, පරිවර්තනය, පැටවීම: උපුටා ගැනීම, පරිවර්තනය, පැටවීම) සහ ELT (උපුටා ගැනීම, පැටවීම සහ පරිවර්තනය) හි පළමු අදියරයි. ETL සහ ELT සම්පූර්ණ දත්ත ඒකාබද්ධ කිරීමේ උපාය මාර්ගයක කොටසක් වේ. වෙනත් වචන වලින් කිවහොත්, දත්ත උපුටා ගැනීම ඔවුන්ගේ නිස්සාරණයේ කොටසක් විය හැකිය.
උපුටා ගැනීම, පරිවර්තනය කිරීම, පැටවීම
දත්ත කැණීම යනු විශාල දත්ත ප්‍රමාණයකින් තොරතුරු උකහා ගැනීම වන අතර, දත්ත නිස්සාරණය ඉතා කෙටි හා සරල ක්‍රියාවලියකි. එය අදියර තුනකට අඩු කළ හැකිය:
- දත්ත මූලාශ්රයක් තෝරාගැනීම
ඔබට වෙබ් අඩවියක් වැනි දත්ත උකහා ගැනීමට අවශ්ය මූලාශ්රය තෝරන්න. - දත්ත එකතුව
අඩවියට "GET" ඉල්ලීමක් යවා Python, PHP, R, Ruby වැනි ක්‍රමලේඛන භාෂා භාවිතයෙන් ලැබෙන HTML ලේඛනය විග්‍රහ කරන්න. - දත්ත ගබඩාව
අනාගත භාවිතය සඳහා දත්ත ඔබගේ දේශීය දත්ත ගබඩාවට හෝ වලාකුළු ගබඩාවට සුරකින්න. ඔබ දත්ත උකහා ගැනීමට අවශ්ය පළපුරුදු ක්‍රමලේඛකයෙකු නම්, ඉහත පියවර ඔබට සරල ලෙස පෙනෙනු ඇත. කෙසේ වෙතත්, ඔබ ක්‍රමලේඛකයෙකු නොවේ නම්, කෙටි මගක් ඇත - වැනි දත්ත කැණීම් මෙවලම් භාවිතා කරන්න . දත්ත කැණීමේ මෙවලම් මෙන් දත්ත නිස්සාරණය කිරීමේ මෙවලම්ද සැලසුම් කර ඇත්තේ බලශක්තිය ඉතිරි කර ගැනීමට සහ දත්ත සැකසීම සැමට පහසු කිරීමටය. මෙම මෙවලම් ආර්ථිකමය පමණක් නොව, ආරම්භක හිතකාමී වේ. ඔවුන් පරිශීලකයින්ට මිනිත්තු කිහිපයකින් දත්ත රැස් කිරීමට, වලාකුළෙහි ගබඩා කිරීමට සහ බොහෝ ආකෘති වෙත අපනයනය කිරීමට ඉඩ දෙයි: Excel, CSV, HTML, JSON, හෝ API හරහා අඩවියේ දත්ත සමුදායන් වෙත.
දත්ත උපුටා ගැනීමේ අවාසි
- සේවාදායක බිඳවැටීම
මහා පරිමාණයෙන් දත්ත උකහා ගැනීමේදී, ඉලක්ක අඩවියේ වෙබ් සේවාදායකය අධික ලෙස පැටවිය හැකි අතර, එය සේවාදායක බිඳ වැටීමකට තුඩු දිය හැකිය. මෙය අඩවි හිමිකරුගේ අවශ්‍යතාවලට හානි කරයි. - IP මගින් තහනම්
පුද්ගලයෙකු නිතර දත්ත රැස් කරන විට, වෙබ් අඩවි වලට ඔවුන්ගේ IP ලිපිනය අවහිර කළ හැක. සම්පතකට IP ලිපිනයක් සම්පූර්ණයෙන්ම තහනම් කිරීමට හෝ දත්ත අසම්පූර්ණ කිරීමෙන් ප්‍රවේශය සීමා කිරීමට හැකිය. දත්ත ලබා ගැනීමට සහ අවහිර කිරීම වළක්වා ගැනීමට, ඔබ එය මධ්‍යස්ථ වේගයකින් සිදු කළ යුතු අතර අවහිරතා විරෝධී ක්‍රම කිහිපයක් යෙදිය යුතුය. - නීතියේ ගැටළු
නීත්‍යානුකූලභාවය සම්බන්ධයෙන් ගත් කල, අන්තර්ජාලයෙන් දත්ත උපුටා ගැනීම අළු ප්‍රදේශයකට වැටේ. Linkedin සහ Facebook වැනි ප්රධාන වෙබ් අඩවි තම භාවිත කොන්දේසිවල පැහැදිලිව සඳහන් කරන්නේ ස්වයංක්‍රීයව දත්ත ලබා ගැනීම තහනම් බවයි. බොට් ක්‍රියාකාරකම් හේතුවෙන් සමාගම් අතර බොහෝ නඩු පැවරී ඇත.
දත්ත කැණීම සහ දත්ත උපුටා ගැනීම අතර ප්රධාන වෙනස්කම්
- දත්ත කැණීම දත්ත සමුදායන්හි දැනුම සොයා ගැනීම, දැනුම නිස්සාරණය, දත්ත / රටා විශ්ලේෂණය, තොරතුරු රැස් කිරීම ලෙසද හැඳින්වේ. දත්ත නිස්සාරණය වෙබ් දත්ත නිස්සාරණය, වෙබ් පිටු පරිලෝකනය, දත්ත රැස් කිරීම සහ යනාදිය සමඟ හුවමාරු කර ගනී.
- දත්ත කැණීම් පර්යේෂණ බොහෝ දුරට ව්‍යුහගත දත්ත මත පදනම් වන අතර දත්ත කැණීම සාමාන්‍යයෙන් ව්‍යුහගත නොවන හෝ දුර්වල ව්‍යුහගත මූලාශ්‍රවලින් ලබා ගනී.
- දත්ත කැණීමේ අරමුණ වන්නේ විශ්ලේෂණය සඳහා දත්ත වඩාත් ප්‍රයෝජනවත් කිරීමයි. දත්ත නිස්සාරණය යනු එක් ස්ථානයකට දත්ත එක්රැස් කිරීම, එය ගබඩා කිරීම හෝ සැකසීමයි.
- දත්ත කැණීමේදී විශ්ලේෂණය රටා හෝ ප්‍රවණතා හඳුනාගැනීම සඳහා ගණිතමය ක්‍රම මත පදනම් වේ. දත්ත නිස්සාරණය පදනම් වන්නේ ක්‍රමලේඛන භාෂා හෝ මූලාශ්‍ර මඟ හැරීම සඳහා දත්ත උපුටා ගැනීමේ මෙවලම් මතය.
- දත්ත කැණීමේ පරමාර්ථය වන්නේ කලින් දැන නොසිටි හෝ නොසලකා හරින ලද කරුණු සොයා ගැනීමයි, දත්ත උපුටා ගැනීම පවතින තොරතුරු සමඟ කටයුතු කරයි.
- දත්ත කැණීම වඩාත් සංකීර්ණ වන අතර මිනිසුන් පුහුණු කිරීම සඳහා විශාල ආයෝජනයක් අවශ්ය වේ. නිවැරදි මෙවලම සමඟ දත්ත උපුටා ගැනීම අතිශයින්ම පහසු සහ ලාභදායී විය හැකිය.
අපි ආරම්භකයින්ට දත්තවල ව්‍යාකූල නොවී සිටීමට උදව් කරන්නෙමු. විශේෂයෙන්ම habravchans සඳහා අපි ප්‍රවර්ධන කේතයක් හැදුවා HABR, බැනරයේ දක්වා ඇති වට්ටම් සඳහා අමතර 10% වට්ටමක් ලබා දීම.
තවත් පාඨමාලා
විශේෂාංග ලිපි
මූලාශ්රය: www.habr.com