Big Data Analytics: A Guide to Data Science Practitioners Making the Transition to Big Data (Chapman & Hall/CRC Data Science Series)

با موفقیت پیمایش در اقتصاد داده محور ، درک خاصی از فناوری ها و روش ها را برای به دست آوردن بینش از داده های بزرگ پیش بینی می کند. این کتاب با هدف کمک به پزشکان علوم داده برای مدیریت موفقیت آمیز انتقال به داده های بزرگ است.
با ایجاد مطالب آشنا از اقتصاد سنجی کاربردی و تجزیه و تحلیل تجارت ، این کتاب خواننده را با مفاهیم اساسی تجزیه و تحلیل داده های بزرگ آشنا می کند. تمرکز این کتاب بر نحوه استفاده از تکنیک های اقتصاد سنجی و یادگیری ماشین با مجموعه داده های بزرگ و پیچیده و همچنین در تمام مراحل انجام شده قبل از تجزیه و تحلیل داده ها (ذخیره داده ها ، واردات داده ها ، آماده سازی داده ها) است. این کتاب مواد مفهومی و نظری را با کاربرد عملی مفاهیم با استفاده از R و SQL ترکیب می کند. بنابراین خواننده مهارت هایی را برای تجزیه و تحلیل مجموعه داده های بزرگ ، چه محلی و چه در ابر به دست می آورد. نمونه ها و آموزش های مختلف کد ، با تمرکز بر تحقیقات اقتصادی و تجاری تجربی ، تکنیک های عملی را برای رسیدگی و تجزیه و تحلیل داده های بزرگ نشان می دهد.

ویژگی های کلیدی:

- شامل بسیاری از نمونه های کد در R و SQL ، با اسکریپت های R/SQL که به صورت آنلاین ارائه می شود.
- استفاده گسترده از مجموعه داده های واقعی از تحقیقات اقتصادی تجربی و تجزیه و تحلیل تجارت ، با پرونده های داده آزادانه بصورت آنلاین ارائه می شود.
- دانش آموزان و پزشکان را به فکر انتقادی در مورد اینکه تنگناها در وظایف تجزیه و تحلیل داده های عملی با مجموعه داده های بزرگ و نحوه پرداختن به آنها فکر می کنند ، فکر می کنند.

این کتاب یک منبع ارزشمند برای پزشکان علوم داده ، دانشجویان و محققان فارغ التحصیل است که قصد دارند بینش داده های بزرگ را در زمینه سؤالات تحقیق در تجارت ، اقتصاد و علوم اجتماعی کسب کنند.

Successfully navigating the data-driven economy presupposes a certain understanding of the technologies and methods to gain insights from Big Data. This book aims to help data science practitioners to successfully manage the transition to Big Data.
Building on familiar content from applied econometrics and business analytics, this book introduces the reader to the basic concepts of Big Data Analytics. The focus of the book is on how to productively apply econometric and machine learning techniques with large, complex data sets, as well as on all the steps involved before analysing the data (data storage, data import, data preparation). The book combines conceptual and theoretical material with the practical application of the concepts using R and SQL. The reader will thus acquire the skills to analyse large data sets, both locally and in the cloud. Various code examples and tutorials, focused on empirical economic and business research, illustrate practical techniques to handle and analyse Big Data.

Key Features:

- Includes many code examples in R and SQL, with R/SQL scripts freely provided online.
- Extensive use of real datasets from empirical economic research and business analytics, with data files freely provided online.
- Leads students and practitioners to think critically about where the bottlenecks are in practical data analysis tasks with large data sets, and how to address them.

The book is a valuable resource for data science practitioners, graduate students and researchers who aim to gain insights from big data in the context of research questions in business, economics, and the social sciences.