સિન્થો એન્જિનનો સપોર્ટેડ ડેટા
સિન્થો દ્વારા કયા પ્રકારના ડેટાને સપોર્ટ કરવામાં આવે છે?
સિન્થો કોઈપણ પ્રકારના ટેબ્યુલર ડેટાને સપોર્ટ કરે છે
સિન્થો ટેબ્યુલર ડેટાના કોઈપણ સ્વરૂપને સપોર્ટ કરે છે અને જટિલ ડેટા પ્રકારોને પણ સપોર્ટ કરે છે. ટેબ્યુલર ડેટા એ એક પ્રકારનો સ્ટ્રક્ચર્ડ ડેટા છે જે પંક્તિઓ અને કૉલમમાં ગોઠવવામાં આવે છે, સામાન્ય રીતે કોષ્ટકના રૂપમાં. મોટાભાગે, તમે ડેટાબેસેસ, સ્પ્રેડશીટ્સ અને અન્ય ડેટા મેનેજમેન્ટ સિસ્ટમ્સમાં આ પ્રકારનો ડેટા જુઓ છો.
જટિલ ડેટા સપોર્ટ
- સમય શ્રેણી ડેટા
- મોટા મલ્ટી-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ
- કોઈપણ ભાષા (ડચ, અંગ્રેજી વગેરે)
- કોઈપણ મૂળાક્ષરો (અંગ્રેજી, ચાઈનીઝ, જાપાનીઝ વગેરે)
- ભૌગોલિક સ્થાન ડેટા (જેમ કે GPS)
જટિલ ડેટા સપોર્ટ
સિન્થો મોટા મલ્ટી-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ માટે સપોર્ટ કરે છે
સિન્થો મોટા મલ્ટી-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ માટે સપોર્ટ કરે છે. મલ્ટિ-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ માટે પણ, અમે દરેક સિન્થેટિક ડેટા જનરેશન જોબ માટે ડેટાની ચોકસાઈને મહત્તમ કરીએ છીએ અને આને અમારા ડેટા ગુણવત્તા રિપોર્ટ દ્વારા દર્શાવીએ છીએ. વધુમાં, SAS ડેટા નિષ્ણાતોએ બાહ્ય દૃષ્ટિકોણથી અમારા કૃત્રિમ ડેટાનું મૂલ્યાંકન કર્યું અને મંજૂર કર્યું.
અમે ડેટાની ચોકસાઈ સાથે સમાધાન કર્યા વિના, કોમ્પ્યુટેશનલ જરૂરિયાતો (દા.ત. કોઈ GPU જરૂરી નથી) ઘટાડવા માટે અમારા પ્લેટફોર્મને ઑપ્ટિમાઇઝ કર્યું છે. વધુમાં, અમે ઓટો સ્કેલિંગને સમર્થન આપીએ છીએ, જેથી કોઈ વિશાળ ડેટાબેઝનું સંશ્લેષણ કરી શકે.
ખાસ કરીને મલ્ટી-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ માટે, ડેટાની ચોકસાઈ વધારવા માટે અમે આપમેળે ડેટા પ્રકારો, સ્કીમા અને ફોર્મેટ શોધી કાઢીએ છીએ. મલ્ટી-ટેબલ ડેટાબેઝ માટે, અમે સ્વચાલિત ટેબલ સંબંધ અનુમાન અને સંશ્લેષણને સપોર્ટ કરીએ છીએ સંદર્ભની અખંડિતતા જાળવી રાખો. છેલ્લે, અમે માટે સમર્થન વ્યાપક કોષ્ટક અને કૉલમ કામગીરી જેથી તમે તમારા સિન્થેટિક ડેટા જનરેશન જોબને રૂપરેખાંકિત કરી શકો, મલ્ટિ-ટેબલ ડેટાસેટ્સ અને ડેટાબેસેસ માટે પણ.
સંદર્ભિત અખંડિતતા સાચવેલ
સિન્થો આપોઆપ ટેબલ સંબંધ અનુમાન અને સંશ્લેષણ માટે સપોર્ટ કરે છે. અમે આપમેળે પ્રાથમિક અને વિદેશી કીઝનું અનુમાન કરીએ છીએ અને જનરેટ કરીએ છીએ જે તમારા સ્રોત કોષ્ટકોને પ્રતિબિંબિત કરે છે અને સંદર્ભની અખંડિતતાને જાળવવા માટે તમારા સમગ્ર ડેટાબેસેસ અને વિવિધ સિસ્ટમોમાં સંબંધોને સુરક્ષિત કરે છે. સંદર્ભની અખંડિતતા જાળવવા માટે તમારા ડેટાબેઝમાંથી વિદેશી કી સંબંધો આપમેળે કેપ્ચર થાય છે. વૈકલ્પિક રીતે, સંભવિત વિદેશી કી સંબંધો માટે સ્કેન કરવા માટે સ્કેન ચલાવી શકાય છે (જ્યારે વિદેશી કી ડેટાબેઝમાં વ્યાખ્યાયિત કરવામાં આવતી નથી, પરંતુ ઉદાહરણ તરીકે એપ્લિકેશન સ્તરમાં) અથવા કોઈ તેને મેન્યુઅલી ઉમેરી શકે છે.
વ્યાપક કોષ્ટક અને કૉલમ કામગીરી
તમારી પસંદગી અનુસાર કોષ્ટકો અથવા કૉલમનું સંશ્લેષણ કરો, ડુપ્લિકેટ કરો અથવા બાકાત કરો. જ્યારે તમે બહુવિધ કોષ્ટકો સાથે ડેટાબેઝનું સંશ્લેષણ કરો છો, ત્યારે એક સામાન્ય રીતે કોષ્ટકોના ઇચ્છિત સંયોજનને સમાવવા અને/અથવા બાકાત કરવા માટે સિન્થેટીક ડેટા જનરેશન જોબને ગોઠવવા માટે સક્ષમ થવાનું પસંદ કરે છે.
કોષ્ટક સ્થિતિઓ:
- સંશ્લેષણ કરો: કોષ્ટકને સંશ્લેષણ કરવા માટે AI નો ઉપયોગ કરો
- ડુપ્લિકેટ: ટેબલ ઉપરની નકલ કરો જેમ છે લક્ષ્ય ડેટાબેઝ માટે
- બાકાત: લક્ષ્ય ડેટાબેઝમાંથી કોષ્ટકને બાકાત રાખો
જટિલ ડેટા સપોર્ટ
સિન્થો સિન્થેટિક ડેટા માટે સપોર્ટ કરે છે જેમાં ટાઇમ સિરીઝ ડેટા હોય છે
સિન્થો સમય શ્રેણીના ડેટા માટે પણ સપોર્ટ કરે છે. સમય શ્રેણીનો ડેટા એ ડેટાનો એક પ્રકાર છે જે કાલક્રમિક ક્રમમાં એકત્રિત અને ગોઠવવામાં આવે છે, જેમાં દરેક ડેટા બિંદુ સમયના ચોક્કસ બિંદુને રજૂ કરે છે. આ પ્રકારના ડેટાનો ઉપયોગ સામાન્ય રીતે ઘણા સેક્ટરમાં થાય છે. આ ઉદાહરણ તરીકે ફાઇનાન્સમાં હોઈ શકે છે (ઉદાહરણ તરીકે ગ્રાહકો વ્યવહારો કરે છે) અથવા આરોગ્યસંભાળમાં (જ્યાં દર્દીઓ પ્રક્રિયાઓમાંથી પસાર થાય છે), અને અન્ય ઘણા લોકો જ્યાં સમય જતાં વલણો અને પેટર્ન સમજવા માટે મહત્વપૂર્ણ છે.
સમય શ્રેણી ડેટા નિયમિત અથવા અનિયમિત અંતરાલો પર એકત્રિત કરી શકાય છે. ડેટા અવિવિધ હોઈ શકે છે, જેમાં એક જ ચલનો સમાવેશ થાય છે જેમ કે તાપમાન, અથવા મલ્ટિવેરિયેટ, જેમાં બહુવિધ ચલોનો સમાવેશ થાય છે જે સમય જતાં માપવામાં આવે છે, જેમ કે સ્ટોક પોર્ટફોલિયોનું મૂલ્ય અથવા કંપનીની આવક અને ખર્ચ.
સમય શ્રેણીના ડેટાના પૃથ્થકરણમાં સમયાંતરે પેટર્ન, વલણો અને મોસમી વધઘટને ઓળખવાનો તેમજ ભૂતકાળના ડેટાના આધારે ભવિષ્યના મૂલ્યો વિશે અનુમાન લગાવવાનો સમાવેશ થાય છે. સમય શ્રેણીના ડેટાના પૃથ્થકરણથી મેળવેલ આંતરદૃષ્ટિનો ઉપયોગ વિશાળ શ્રેણીના કાર્યક્રમો માટે થઈ શકે છે, જેમ કે વેચાણની આગાહી કરવી, હવામાનની આગાહી કરવી અથવા નેટવર્કમાં વિસંગતતાઓ શોધવી. આથી, ડેટાનું સંશ્લેષણ કરતી વખતે સમય શ્રેણીના ડેટા માટે સપોર્ટ ઘણીવાર જરૂરી છે.
સમય શ્રેણીના ડેટાના સપોર્ટેડ પ્રકારો
- સમાન અંતરાલ સાથે સમય શ્રેણી
- બિન-સમાન અંતરાલ સાથે સમય શ્રેણી
- સમાન લંબાઈ સાથે સમય શ્રેણી
- બિન-સમાન લંબાઈ સાથે સમય શ્રેણી
- ગુમ થયેલ અવલોકનો સાથે સમય શ્રેણી
- વિશાળ સમય શ્રેણી શબ્દમાળાઓ
અમારા ગુણવત્તા ખાતરી અહેવાલમાં સ્વતઃ-સંબંધોનો સમાવેશ કરવામાં આવ્યો છે
આધારભૂત ડેટા
સિન્થો કોઈપણ પ્રકારના ટેબ્યુલર ડેટાને સપોર્ટ કરે છે
| ડેટા પ્રકાર | વર્ણન | ઉદાહરણ |
|---|---|---|
| પૂર્ણાંક | કોઈપણ દશાંશ સ્થાન વિનાની પૂર્ણ સંખ્યા, કાં તો સકારાત્મક અથવા નકારાત્મક | 42 |
| ફ્લોટ | દશાંશ સ્થાનોની મર્યાદિત અથવા અનંત સંખ્યા સાથેની દશાંશ સંખ્યા, કાં તો સકારાત્મક અથવા નકારાત્મક | 3,14 |
| બુલિયન | દ્વિસંગી મૂલ્ય | સાચું કે ખોટું, હા કે ના વગેરે. |
| શબ્દમાળા | અક્ષરોનો ક્રમ, જેમ કે અક્ષરો, અંકો, પ્રતીકો અથવા જગ્યાઓ, જે ટેક્સ્ટ, શ્રેણીઓ અથવા અન્ય ડેટાનું પ્રતિનિધિત્વ કરે છે | "હેલો, વિશ્વ!" |
| તારીખ સમય | સમયના ચોક્કસ બિંદુને રજૂ કરતું મૂલ્ય, ક્યાં તો તારીખ, સમય અથવા બંને (કોઈપણ ડેટા/સમય ફોર્મેટ સપોર્ટેડ છે) | 2023-02-18 13:45:00 |
| વસ્તુ | એક જટિલ ડેટા પ્રકાર જેમાં બહુવિધ મૂલ્યો અને ગુણધર્મો હોઈ શકે છે, જેને શબ્દકોશ, નકશો અથવા હેશ ટેબલ તરીકે પણ ઓળખવામાં આવે છે | { "નામ": "જ્હોન", "ઉંમર": 30, "સરનામું": "123 મુખ્ય સેન્ટ." } |
| અરે | સમાન પ્રકારના મૂલ્યોનો ઓર્ડર કરેલ સંગ્રહ, જેને સૂચિ અથવા વેક્ટર તરીકે પણ ઓળખવામાં આવે છે | [1, 2, 3, 4, 5] |
| નલ | કોઈ પણ ડેટાની ગેરહાજરીને દર્શાવતું વિશિષ્ટ મૂલ્ય, જે ઘણીવાર ગુમ થયેલ અથવા અજાણ્યા મૂલ્યને દર્શાવવા માટે વપરાય છે | નલ |
| અક્ષર | એક અક્ષર, જેમ કે અક્ષર, અંક અથવા પ્રતીક | 'એ' |
| કોઇ પણ બીજુ | ટેબ્યુલર ડેટાનું કોઈપણ અન્ય સ્વરૂપ સપોર્ટેડ છે |
સિન્થોના વપરાશકર્તા દસ્તાવેજીકરણની વિનંતી કરો!
- શરૂ કરી રહ્યા છીએ
- જમાવટ અને કનેક્ટર્સ
- વપરાશકર્તા ઈન્ટરફેસ
- વિશેષતા
- વપરાશકર્તા ભૂમિકાઓ અને સમર્થન