Advances in Data Science and Analytics: Concepts and Paradigms

با ارائه مفاهیم و پیشرفت های علم داده و تجزیه و تحلیل، این جلد که توسط یک تیم جهانی از متخصصان نوشته و ویرایش شده است، به کاربردهای عملی نیز می رود. می‌تواند در رشته‌ها و صنایع مختلف، هم برای مهندس و هم برای دانش‌آموز، با تمرکز بر یادگیری ماشین‌کاری، داده‌های بزرگ، هوش تجاری و تجزیه و تحلیل استفاده شود.

علم داده‌ها یک علم میان رشته‌ای است زمینه ای که از روش ها، فرآیندها، الگوریتم ها و سیستم های علمی برای استخراج دانش و بینش از بسیاری از داده های ساختاری و بدون ساختار استفاده می کند. علم داده با داده کاوی، یادگیری عمیق و کلان داده مرتبط است. نرم افزار تجزیه و تحلیل داده ها نسخه متمرکزتری از این است و حتی می تواند بخشی از فرآیند بزرگتر در نظر گرفته شود. تجزیه و تحلیل به تحقق بینش های عملی اختصاص داده شده است که می تواند بلافاصله بر اساس پرس و جوهای موجود اعمال شود. برای اهداف این جلد، علم داده یک اصطلاح چتر است که شامل تجزیه و تحلیل داده، داده کاوی، یادگیری ماشین و چندین رشته مرتبط دیگر می شود. در حالی که انتظار می رود یک دانشمند داده آینده را بر اساس الگوهای گذشته پیش بینی کند، تحلیلگران داده بینش های معناداری را از منابع داده های مختلف استخراج می کنند.

اگرچه داده کاوی و سایر حوزه های مرتبط چند دهه است که وجود داشته است، علم داده و تجزیه و تحلیل هنوز به سرعت در حال تکامل هستند و فرآیندها و فناوری ها تقریباً در یک روز تغییر می کنند. مبنای امروزی این جلد مروری بر برخی از مهم‌ترین پیشرفت‌های امروزی در این زمینه‌ها، از جمله پوشش عملی برنامه‌های روزانه را ارائه می‌دهد. این ابزار به عنوان یک ابزار یادگیری برای مبتدیان در این زمینه و همچنین مرجع روزانه برای مهندسان و دانشمندانی که در این زمینه ها کار می کنند ارزشمند است، این یک ابزار ضروری برای هر کتابخانه ای است.

Presenting the concepts and advances of data science and analytics, this volume, written and edited by a global team of experts, also goes into the practical applications that can be utilized across multiple disciplines and industries, for both the engineer and the student, focusing on machining learning, big data, business intelligence, and analytics.

Data science is an interdisciplinary field that uses scientific methods, processes, algorithms, and systems to extract knowledge and insights from many structural and unstructured data. Data science is related to data mining, deep learning, and big data. Data analytics software is a more focused version of this and can even be considered part of the larger process. Analytics is devoted to realizing actionable insights that can be applied immediately based on existing queries. For the purposes of this volume, data science is an umbrella term that encompasses data analytics, data mining, machine learning, and several other related disciplines. While a data scientist is expected to forecast the future based on past patterns, data analysts extract meaningful insights from various data sources.

Although data mining and other related areas have been around for a few decades, data science and analytics are still quickly evolving, and the processes and technologies change, almost on a day-to-day basis. This volume provides an overview of some of the most important advances in these areas today, including practical coverage of the daily applications. Valuable as a learning tool for beginners in this area as well as a daily reference for engineers and scientists working in these areas, this is a must-have for any library.