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 of complex networks

دانلود کتاب داده های بزرگ شبکه های پیچیده

Big data of complex networks

مشخصات کتاب

Big data of complex networks

ویرایش:  
نویسندگان: , , ,   
سری: Chapman & Hall/CRC big data series 
ISBN (شابک) : 1498723616, 1315353598 
ناشر: Chapman and Hall/CRC 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 31,000



کلمات کلیدی مربوط به کتاب داده های بزرگ شبکه های پیچیده: داده های بزرگ، سیستم های مقیاس بزرگ، تجزیه و تحلیل سیستم.



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب Big data of complex networks 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 داده های بزرگ شبکه های پیچیده 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 داده های بزرگ شبکه های پیچیده



داده های بزرگ شبکه های پیچیده روش هایی را از مطالعه کلان داده ها ارائه و توضیح می دهد که می توانند در تجزیه و تحلیل مجموعه داده های ساختاری عظیم، از جمله شبکه های بسیار بزرگ و مجموعه های نمودارها استفاده شوند. این کتاب علاوه بر استفاده از تکنیک‌های تجزیه و تحلیل آماری مانند نمونه‌برداری و راه‌اندازی به شیوه‌ای میان رشته‌ای برای تولید تکنیک‌های جدید برای تجزیه و تحلیل حجم عظیمی از داده‌ها، امکانات ارائه شده توسط جنبه‌های خاص مانند حافظه رایانه در بررسی مجموعه‌های بزرگی از شبکه‌های پیچیده را نیز بررسی می‌کند. /P>

در نظر گرفته شده برای دانشمندان کامپیوتر، آماردانان و ریاضیدانان علاقه مند به داده های بزرگ و شبکه ها، داده های بزرگ شبکه های پیچیده همچنین ابزار ارزشمندی برای محققان در زمینه های تجسم، تجزیه و تحلیل داده ها، بینایی کامپیوتر و بیوانفورماتیک.

ویژگی‌های کلیدی:

ماتیاس دهمر دکتری خود را در علوم کامپیوتر از دانشگاه صنعتی دارمشتات آلمان دریافت کرد. در حال حاضر، او استاد دانشگاه UMIT - دانشگاه علوم بهداشت و زندگی، اتریش، و دانشگاه Bundeswehr München است. علایق تحقیقاتی او در نظریه گراف، علم داده، شبکه های پیچیده، پیچیدگی، آمار و نظریه اطلاعات است. فیزیک نظری از دانشگاه برمن، و در حال حاضر دانشیار دانشگاه فناوری تامپر فنلاند است. علایق تحقیقاتی او در زمینه زیست شناسی محاسباتی، یادگیری ماشین و پزشکی شبکه است.

استفان پیکل دارای دکترای ریاضیات از دانشگاه دارمشتات فناوری، و در حال حاضر استاد دانشگاه بوندسوئر مونیخ است. علایق تحقیقاتی او در تحقیق در عملیات، زیست شناسی سیستم ها، نظریه گراف و بهینه سازی گسسته است.

آندریاس هولزینگر دکترای خود را در علوم شناختی از دانشگاه گراتس و توانبخشی خود (دکتری دوم) را در علوم کامپیوتر از دانشگاه فناوری گراتس. او رئیس گروه Holzinger HCI-KDD در دانشگاه پزشکی گراتس و استاد مدعو برای یادگیری ماشین در انفورماتیک سلامت دانشگاه فناوری وین است.


توضیحاتی درمورد کتاب به خارجی

Big Data of Complex Networks presents and explains the methods from the study of big data that can be used in analysing massive structural data sets, including both very large networks and sets of graphs. As well as applying statistical analysis techniques like sampling and bootstrapping in an interdisciplinary manner to produce novel techniques for analyzing massive amounts of data, this book also explores the possibilities offered by the special aspects such as computer memory in investigating large sets of complex networks.

Intended for computer scientists, statisticians and mathematicians interested in the big data and networks, Big Data of Complex Networks is also a valuable tool for researchers in the fields of visualization, data analysis, computer vision and bioinformatics.

Key features:

Matthias Dehmer received his PhD in computer science from the Darmstadt University of Technology, Germany. Currently, he is Professor at UMIT – The Health and Life Sciences University, Austria, and the Universität der Bundeswehr München. His research interests are in graph theory, data science, complex networks, complexity, statistics and information theory.

Frank Emmert-Streib received his PhD in theoretical physics from the University of Bremen, and is currently Associate professor at Tampere University of Technology, Finland. His research interests are in the field of computational biology, machine learning and network medicine.

Stefan Pickl holds a PhD in mathematics from the Darmstadt University of Technology, and is currently a Professor at Bundeswehr Universität München. His research interests are in operations research, systems biology, graph theory and discrete optimization.

Andreas Holzinger received his PhD in cognitive science from Graz University and his habilitation (second PhD) in computer science from Graz University of Technology. He is head of the Holzinger Group HCI-KDD at the Medical University Graz and Visiting Professor for Machine Learning in Health Informatics Vienna University of Technology.



فهرست مطالب

Content: Cover
Half Title
Title Page
Copyright Page
Table of Contents
Preface
Editors
Contributors
1 Network Analyses of Biomedical and Genomic Big Data
2 Distributed or Network-Based Big Data?
3 Big Data Text Automation on Small Machines
4 Big Data Visualization for Large Complex Networks
5 Finding Small Dominating Sets in Large-Scale Networks
6 Techniques for the Management and Querying of Big Data in Large-Scale Communication Networks
7 Large Random Matrices and Big Data Analytics
8 Big Data of Complex Networks and Data Protection Law: An Introduction to an Area of Mutual Conflict 9 Structure, Function, and Development of Large-Scale Complex Neural Networks10 ScaleGraph: A Billion-Scale Graph Analytics Library
11 Challenges of Computational Network Analysis with R
12 Visualizing Life in a Graph Stream
Index




نظرات کاربران