Big Data Analytics: Systems, Algorithms, Applications

این کتاب بررسی جامعی از تکنیک‌ها، فناوری‌ها و کاربردهای کلان داده و تحلیل آن ارائه می‌کند. پدیده کلان داده به طور فزاینده ای بر تمام بخش های تجارت و صنعت تأثیر می گذارد و یک اکوسیستم اطلاعاتی جدید در حال ظهور را تولید می کند. در زمینه برنامه‌های کاربردی، این کتاب شرح مفصلی از حوزه‌های کاربردی مختلف برای تجزیه و تحلیل داده‌های بزرگ در حوزه‌های مهم وب کاوی معنایی اجتماعی، بانکداری و خدمات مالی، بازار سرمایه، بیمه، تبلیغات، سیستم‌های توصیه، بیو انفورماتیک، اینترنت اشیا و محاسبات مه، قبل از پرداختن به مسائل مربوط به امنیت و حریم خصوصی. با توجه به تکنیک‌های یادگیری ماشین، این کتاب همه الگوریتم‌های استاندارد برای یادگیری را ارائه می‌کند - از جمله تکنیک‌های نظارت شده، نیمه‌نظارت‌شده و بدون نظارت مانند تکنیک‌های خوشه‌بندی و یادگیری تقویتی برای انجام یادگیری عمیق جمعی. یادگیری چند لایه و غیرخطی برای Big Data نیز پوشش داده شده است. به نوبه خود، این کتاب مطالعات موردی واقعی را در اجرای موفقیت آمیز تجزیه و تحلیل داده های بزرگ در شرکت های بزرگ فناوری اطلاعات مانند گوگل، فیس بوک، لینکدین و مایکروسافت برجسته می کند. مطالعات موردی چندبخشی بر روی شرکت‌های مبتنی بر دامنه مانند دویچه بانک، ارائه‌دهنده برق Opower، خطوط هوایی دلتا و یک برنامه حمل‌ونقل شهری چینی نشان‌دهنده یک افزوده ارزشمند است. با توجه به پوشش جامع آن از تجزیه و تحلیل داده های بزرگ، این کتاب یک منبع منحصر به فرد برای دانشجویان کارشناسی و کارشناسی ارشد، محققان، مربیان و متخصصان فناوری اطلاعات به طور یکسان ارائه می دهد.

This book provides a comprehensive survey of techniques, technologies and applications of Big Data and its analysis. The Big Data phenomenon is increasingly impacting all sectors of business and industry, producing an emerging new information ecosystem. On the applications front, the book offers detailed descriptions of various application areas for Big Data Analytics in the important domains of Social Semantic Web Mining, Banking and Financial Services, Capital Markets, Insurance, Advertisement, Recommendation Systems, Bio-Informatics, the IoT and Fog Computing, before delving into issues of security and privacy. With regard to machine learning techniques, the book presents all the standard algorithms for learning – including supervised, semi-supervised and unsupervised techniques such as clustering and reinforcement learning techniques to perform collective Deep Learning. Multi-layered and nonlinear learning for Big Data are also covered. In turn, the book highlights real-life case studies on successful implementations of Big Data Analytics at large IT companies such as Google, Facebook, LinkedIn and Microsoft. Multi-sectorial case studies on domain-based companies such as Deutsche Bank, the power provider Opower, Delta Airlines and a Chinese City Transportation application represent a valuable addition. Given its comprehensive coverage of Big Data Analytics, the book offers a unique resource for undergraduate and graduate students, researchers, educators and IT professionals alike.