دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Kim H. Pries, Robert Dunnigan سری: ISBN (شابک) : 1482234513, 9781482234510 ناشر: Auerbach Publications سال نشر: 2015 تعداد صفحات: 0 زبان: English فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 18 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران: مدیریت، مدیریت و رهبری، کسب و کار و پول، داده کاوی، پایگاه داده و داده های بزرگ، کامپیوتر و فناوری، مدیریت، کسب و کار و امور مالی، کتاب های درسی جدید، استفاده شده و اجاره، بوتیک تخصصی، ذخیره سازی و طراحی پایگاه داده، علوم کامپیوتر، جدید، استفاده شده و اجاره کتاب های درسی، بوتیک تخصصی
در صورت تبدیل فایل کتاب Big Data Analytics: A Practical Guide for Managers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
با این کتاب، به مدیران و تصمیم گیرندگان ابزارهایی داده می شود
تا تصمیمات آگاهانه تری در مورد طرح های خرید کلان داده اتخاذ
کنند. تجزیه و تحلیل کلان داده ها: راهنمای عملی برای
مدیران نه تنها توضیحاتی درباره ابزارهای رایج ارائه
می دهد، بلکه محصولات و فروشندگان مختلفی را که بازار کلان داده
را عرضه می کنند، بررسی می کند.
مقایسه و تقابل انواع مختلف انواع تحلیلهایی که معمولاً با
دادههای بزرگ انجام میشوند، این مرجع قابل دسترس توضیحات
واضحی از عملکرد کلی ابزارهای کلان داده ارائه میدهد. به جای
صرف زمان برای نحوه نصب بستههای خاص، بر دلایلی تمرکز میکند
که چرا خوانندگان یک بسته معین را نصب میکنند.
این کتاب راهنمایی معتبری در مورد طیف وسیعی از ابزارها، از
جمله منبع باز و سیستمهای اختصاصی ارائه میکند. این جزئیات
نقاط قوت و ضعف ترکیب تجزیه و تحلیل کلان داده ها در تصمیم گیری
را توضیح می دهد و نحوه استفاده از نقاط قوت در عین کاهش نقاط
ضعف را توضیح می دهد.
این کتاب بیشتر مفاهیم آماری اساسی را بررسی می کند که در صورت
استفاده نادرست، می تواند منبع خطا باشد. بارها و بارها، کلان
داده ها به عنوان اوادی تلقی می شوند که نتایجی را کشف می کند
که هیچ کس تصورش را نمی کرد. در حالی که داده های بزرگ می
توانند این عملکرد ارزشمند را انجام دهند، اغلب این نتایج
نادرست هستند، اما همچنان بدون تردید گزارش می شوند. احتمال
داشتن نتایج اشتباه با مقایسه تعداد بیشتری از متغیرها افزایش
مییابد مگر اینکه اقدامات پیشگیرانه انجام شود.
رویکرد اتخاذ شده توسط نویسندگان این است که این مفاهیم را
توضیح دهند تا مدیران بتوانند سوالات بهتری از تحلیلگران و
فروشندگان خود بپرسند. به مناسب بودن روش های مورد استفاده برای
رسیدن به نتیجه. از آنجایی که دنیای علم و پزشکی با مسائل
مشابهی در انتشار مطالعات دست و پنجه نرم می کند، نویسندگان از
تلاش های آنها استفاده می کنند و آنها را در داده های بزرگ به
کار می برند.
With this book, managers and decision makers are given the
tools to make more informed decisions about big data
purchasing initiatives. Big Data Analytics: A
Practical Guide for Managers not only supplies
descriptions of common tools, but also surveys the various
products and vendors that supply the big data market.
Comparing and contrasting the different types of analysis
commonly conducted with big data, this accessible reference
presents clear-cut explanations of the general workings of
big data tools. Instead of spending time on HOW to install
specific packages, it focuses on the reasons WHY readers
would install a given package.
The book provides authoritative guidance on a range of tools,
including open source and proprietary systems. It details the
strengths and weaknesses of incorporating big data analysis
into decision-making and explains how to leverage the
strengths while mitigating the weaknesses.
The book further explores basic statistical concepts that,
when misapplied, can be the source of errors. Time and again,
big data is treated as an oracle that discovers results
nobody would have imagined. While big data can serve this
valuable function, all too often these results are incorrect,
yet are still reported unquestioningly. The probability of
having erroneous results increases as a larger number of
variables are compared unless preventative measures are
taken.
The approach taken by the authors is to explain these
concepts so managers can ask better questions of their
analysts and vendors as to the appropriateness of the methods
used to arrive at a conclusion. Because the world of science
and medicine has been grappling with similar issues in the
publication of studies, the authors draw on their efforts and
apply them to big data.