ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Big Data Analytics with R: Utilize R to Uncover Hidden Patterns in Your Big Data

دانلود کتاب تجزیه و تحلیل داده های بزرگ با R: از R برای کشف الگوهای پنهان در داده های بزرگ خود استفاده کنید

Big Data Analytics with R: Utilize R to Uncover Hidden Patterns in Your Big Data

مشخصات کتاب

Big Data Analytics with R: Utilize R to Uncover Hidden Patterns in Your Big Data

ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 1786466457, 9781786466457 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 491 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 37,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بزرگ با R: از R برای کشف الگوهای پنهان در داده های بزرگ خود استفاده کنید: داده کاوی، پایگاه داده و کلان داده، رایانه و فناوری، پردازش داده، پایگاه داده و کلان داده، رایانه و فناوری



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Big Data Analytics with R: Utilize R to Uncover Hidden Patterns in Your Big Data 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 با R: از R برای کشف الگوهای پنهان در داده های بزرگ خود استفاده کنید 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.


توضیحاتی در مورد کتاب تجزیه و تحلیل داده های بزرگ با R: از R برای کشف الگوهای پنهان در داده های بزرگ خود استفاده کنید



ویژگی های کلیدی

  • انجام تجزیه و تحلیل محاسباتی روی داده های بزرگ برای ایجاد نتایج معنادار
  • در حین کار بر روی پلتفرم های Big Data مانند Hadoop، Spark، دانش عملی زبان برنامه نویسی R را بدست آورید. ، پایگاه داده های H2O و SQL/NoSQL،
  • کاوش در تجزیه و تحلیل داده های سریع، جریانی و مقیاس پذیر با پیشرفته ترین فناوری های موجود در بازار

توضیحات کتاب

تجزیه و تحلیل کلان داده فرآیندی است برای بررسی مجموعه داده های بزرگ و پیچیده که اغلب از قابلیت های محاسباتی فراتر می رود. R یک زبان برنامه نویسی پیشرو در علم داده است که از توابع قدرتمندی برای مقابله با تمام مشکلات مربوط به پردازش داده های بزرگ تشکیل شده است.

این کتاب با معرفی مختصری از دنیای Big Data و استانداردهای صنعتی فعلی آن آغاز می شود. با مقدمه ای بر زبان R و ارائه توسعه، ساختار، کاربردهای آن در دنیای واقعی و کاستی های آن. کتاب به سمت بازنگری توابع اصلی R برای مدیریت داده ها و تحولات پیشرفت خواهد کرد. خوانندگان با راه‌حل‌های کلان داده مبتنی بر ابر (مانند نمونه‌های Amazon EC2 و Amazon RDS، Microsoft Azure و خوشه‌های HDInsight آن) آشنا می‌شوند و همچنین راهنمایی‌هایی در مورد اتصال R با پایگاه‌های داده رابطه‌ای و غیررابطه‌ای مانند MongoDB و HBase و غیره ارائه می‌دهند. ابزارهای Big Data مانند اکوسیستم Apache Hadoop، HDFS و MapReduce را گسترش دهید. همچنین سایر ابزارهای سازگار با R مانند Apache Spark، کتابخانه یادگیری ماشین آن Spark MLlib، و همچنین H2O.

آنچه خواهید آموخت

  • درباره وضعیت فعلی Big Data بیاموزید. پردازش با استفاده از زبان برنامه‌نویسی R و قابلیت‌های آماری قدرتمند آن
  • به‌منظور مقرون‌به‌صرفه و صرفه‌جویی در زمان، پلت‌فرم‌های تجزیه و تحلیل Big Data را با ابزارهای انتخابی Big Data که توسط R پشتیبانی می‌شوند، به کار ببرید.
  • استفاده از R مشکلات زبان به دنیای واقعی Big Data در یک خوشه Hadoop چند گره، به عنوان مثال. مصرف برق در شاخص‌های مختلف اجتماعی-دموگرافیک و استفاده از طرح اشتراک دوچرخه
  • بررسی سازگاری R با پایگاه‌های داده Hadoop، Spark، SQL و NoSQL و پلت فرم H2O

درباره The Author

Simon Walkowiak یک عصب شناس شناختی و مدیر عامل Mind Project Ltd - یک شرکت مشاوره داده های بزرگ و پیش بینی تجزیه و تحلیل مستقر در لندن، بریتانیا است. Simon به عنوان متصدی سابق داده در سرویس داده بریتانیا (UKDS، دانشگاه اسکس) - بزرگترین مخزن داده های اقتصادی-اجتماعی اروپا، تجربه گسترده ای در پردازش و مدیریت مجموعه داده های در مقیاس بزرگ مانند سرشماری، داده های سنسور و سنج هوشمند، مخابرات دارد. داده‌ها و نظرسنجی‌های دولتی و اجتماعی معروف مانند نظرسنجی نگرش‌های اجتماعی بریتانیا، نظرسنجی‌های نیروی کار، جامعه درک، بررسی سفر ملی، و بسیاری دیگر از مجموعه داده‌های اجتماعی-اقتصادی جمع‌آوری‌شده و سپرده‌شده توسط یورواستات، بانک جهانی، دفتر آمار ملی، دپارتمان از حمل و نقل، NatCen و آژانس بین المللی انرژی، به ذکر چند مورد. Simon دوره های آموزشی علوم داده و R متعددی را در موسسات دولتی و شرکت های بین المللی ارائه کرده است. او همچنین دوره‌ای را در زمینه روش‌های کلان داده در R در دانشگاه‌های بزرگ بریتانیا و در مدرسه تابستانی معتبر Big Data و Analytics که توسط مؤسسه تجزیه و تحلیل و علوم داده (IADS) سازماندهی شده است، تدریس کرده است.

فهرست محتوا< /h4>

  1. عصر کلان داده
  2. مقدمه ای بر زبان برنامه نویسی R و محیط آماری
  3. آزادسازی قدرت R از درون
  4. چارچوب Hadoop و MapReduce برای R
  5. R با سیستم‌های مدیریت پایگاه داده رابطه‌ای (RDBMS)
  6. R با پایگاه‌های داده غیررابطه‌ای (NoSQL)
  7. سریع‌تر از Hadoop - Spark با R
  8. روش های یادگیری ماشینی برای داده های بزرگ در R
  9. آینده R - داده های بزرگ، سریع و هوشمند

توضیحاتی درمورد کتاب به خارجی

Key Features

  • Perform computational analyses on Big Data to generate meaningful results
  • Get a practical knowledge of R programming language while working on Big Data platforms like Hadoop, Spark, H2O and SQL/NoSQL databases,
  • Explore fast, streaming, and scalable data analysis with the most cutting-edge technologies in the market

Book Description

Big Data analytics is the process of examining large and complex data sets that often exceed the computational capabilities. R is a leading programming language of data science, consisting of powerful functions to tackle all problems related to Big Data processing.

The book will begin with a brief introduction to the Big Data world and its current industry standards. With introduction to the R language and presenting its development, structure, applications in real world, and its shortcomings. Book will progress towards revision of major R functions for data management and transformations. Readers will be introduce to Cloud based Big Data solutions (e.g. Amazon EC2 instances and Amazon RDS, Microsoft Azure and its HDInsight clusters) and also provide guidance on R connectivity with relational and non-relational databases such as MongoDB and HBase etc. It will further expand to include Big Data tools such as Apache Hadoop ecosystem, HDFS and MapReduce frameworks. Also other R compatible tools such as Apache Spark, its machine learning library Spark MLlib, as well as H2O.

What you will learn

  • Learn about current state of Big Data processing using R programming language and its powerful statistical capabilities
  • Deploy Big Data analytics platforms with selected Big Data tools supported by R in a cost-effective and time-saving manner
  • Apply the R language to real-world Big Data problems on a multi-node Hadoop cluster, e.g. electricity consumption across various socio-demographic indicators and bike share scheme usage
  • Explore the compatibility of R with Hadoop, Spark, SQL and NoSQL databases, and H2O platform

About the Author

Simon Walkowiak is a cognitive neuroscientist and a managing director of Mind Project Ltd – a Big Data and Predictive Analytics consultancy based in London, United Kingdom. As a former data curator at the UK Data Service (UKDS, University of Essex) – European largest socio-economic data repository, Simon has an extensive experience in processing and managing large-scale datasets such as censuses, sensor and smart meter data, telecommunication data and well-known governmental and social surveys such as the British Social Attitudes survey, Labour Force surveys, Understanding Society, National Travel survey, and many other socio-economic datasets collected and deposited by Eurostat, World Bank, Office for National Statistics, Department of Transport, NatCen and International Energy Agency, to mention just a few. Simon has delivered numerous data science and R training courses at public institutions and international companies. He has also taught a course in Big Data Methods in R at major UK universities and at the prestigious Big Data and Analytics Summer School organized by the Institute of Analytics and Data Science (IADS).

Table of Contents

  1. The Era of Big Data
  2. Introduction to R Programming Language and Statistical Environment
  3. Unleashing the Power of R from Within
  4. Hadoop and MapReduce Framework for R
  5. R with Relational Database Management Systems (RDBMSs)
  6. R with Non-Relational (NoSQL) Databases
  7. Faster than Hadoop - Spark with R
  8. Machine Learning Methods for Big Data in R
  9. The Future of R - Big, Fast, and Smart Data




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی