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 para Executivos e Profissionais de Mercado (Portuguese Edition)

دانلود کتاب کلان داده برای مدیران و متخصصان بازار (نسخه پرتغالی)

Big Data para Executivos e Profissionais de Mercado (Portuguese Edition)

مشخصات کتاب

Big Data para Executivos e Profissionais de Mercado (Portuguese Edition)

دسته بندی: کامپیوتر
ویرایش:  
نویسندگان:   
سری:  
 
ناشر: Jose Antonio Ribeiro Neto 
سال نشر: 2018 
تعداد صفحات: 302 
زبان: Portuguese 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Big Data para Executivos e Profissionais de Mercado (Portuguese Edition) 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 کلان داده برای مدیران و متخصصان بازار (نسخه پرتغالی) 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 کلان داده برای مدیران و متخصصان بازار (نسخه پرتغالی)

Big Data یک فناوری "Moonshot" است، یکی از فناوری هایی که ظهور می کند و عمیقاً زندگی افراد و حرفه حرفه ای آنها را تغییر می دهد. این کتاب الکترونیکی به منظور ارائه نمای کلی از کلان داده، علم داده و تجزیه و تحلیل داده، ساختاردهی دانش به روشی آموزنده و کمتر فنی، برای درک بهتر و یادگیری سریع، ابهام زدایی و راهنمایی مدیران و متخصصان بازار در مورد نحوه استفاده از Big Date در به نفع شما برای کسب موفقیت حرفه ای بیشتر. این کتاب الکترونیکی اولین گام برای شناخت و علاقه شما به داده های بزرگ است. خلاصه آموزشی را که در این سفر خواهید گرفت، ارزیابی کنید. I - مقدمه ای بر کلان داده و علم داده. فن آوری های اصلی اعمال شده در داده های بزرگ. فن آوری های ابری، سیستم ها، سخت افزار و نرم افزار. II - اکوسیستم هادوپ و اهمیت آن برای داده های بزرگ. پارادایم برنامه نویسی موازی MapReduce برای حل مشکلات کلان داده. فرآیندهای Data Lake، Data Warehouse و ETL برای Big Data. III - علم تجزیه و تحلیل و مشتقات آن برای پیش بینی و داده های بزرگ. ابزارهای تجزیه و تحلیل و کاربردهای آنها در داده های بزرگ یادگیری ماشین (ML) یا یادگیری ماشین و رابطه آن با داده های بزرگ. برنامه های کاربردی ML برای داده های بزرگ. مقدمه ای بر تجسم داده ها IV - مشاغل حرفه ای اصلی در Big Data. شرکت هایی که Big Data را ایجاد کرده و از این فناوری استفاده می کنند. برنامه های کاربردی داده های بزرگ در شرکت های برزیلی. برنامه های Big Data برای شبکه های اجتماعی و اینترنت اشیا. حریم خصوصی و حاکمیت در داده های بزرگ. V - تأثیرگذاران کلان داده و علم داده. چگونه یک دانشمند داده شویم برنامه درسی و دستورالعمل های تحصیلی. VI - نتیجه گیری کلی در مورد عصر بزرگ و پیامدهای آن برای کسب و کار و زندگی حرفه ای.


توضیحاتی درمورد کتاب به خارجی

Big Data é uma tecnologia “Moonshot”, daquelas que surgem e alteram profundamente a vida das pessoas e suas carreiras profissionais. Este eBook está organizado para fornecer uma visão geral sobre Big Data, Data Science e Análise de Dados, estruturando o conhecimento de maneira informativa, menos técnica, para um melhor entendimento e rápido aprendizado, desmistificando e orientando Executivos e Profissionais de Mercado sobre como utilizar Big Data em seu favor visando obter maior sucesso profissional. Este eBook é um primeiro passo para você conhecer e se interessar por Big Data. Avalie o resumo de aprendizado que fará nesta jornada. I - Introdução ao Big Data e Ciência de Dados. Principais Tecnologias aplicadas ao Big Data. Tecnologias de nuvem, sistemas, hardware e software. II - Ecossistema Hadoop e a sua importância para Big Data. O paradigma da programação em paralelo MapReduce para resolver problemas em Big Data. Data Lake, Data Warehouse e os processos de ETL para Big Data. III - A Ciência de Analytics e suas derivações para Predictive e Big Data. As ferramentas de Analytics e suas aplicações em Big Data. Machine Learning (ML) ou Aprendizado de Máquina e a sua relação com Big Data. Aplicações de ML para Big Data. Introdução à Visualização de Dados. IV - Principais carreiras profissionais em Big Data. Empresas que criaram Big Data e utilizam a tecnologia. Aplicações de Big Data nas empresas brasileiras. Aplicações de Big Data para redes sociais e Internet das coisas. Privacidade e Governança em Big Data. V - Influenciadores de Big Data e Data Science. Como se tornar um Data Scientist. Orientações Curriculares e Acadêmicas. VI - Conclusões gerais sobre a Era de Big e suas implicações na vida empresarial e profissional.



فهرست مطالب

Prefácio
Direitos Autorais
Dedicação
O que vamos aprender?
O que é novo na Segunda Edição?
Introdução ao Big Data
	Fontes de Geração de Dados
	Dados são o novo petróleo
	Dark Data (Dados Escuros)
	Máquinas geram mais dados
Como dimensionar os Dados
	Medindo o Tamanho dos Dados
	Dados gerados por wearables
	Dados gerados por IoT
Classificação dos Dados
	Descrevendo os tipos de Dados
	A Explosão dos novos Dados
	Dados são Arquivos
Os V's do Big Data
	Exemplos dos V’s em Big Data
	A Veracidade dos Dados
	Impacto Humano de Big Data
Introdução a Ciência de Dados
	Etapas da Ciência de Dados
	Concursos de Ciência de Dados
	Mercados de Dados
Cientista de Dados e Big Data
	Cientista de Dados e o Unicórnio
	Equipes de Big Data
Aplicações de Big Data
	Usuários de Big Data
	Caso de Sucesso - Google
	Caso de Sucesso - Netflix
	Caso de Sucesso - Amazon
	Caso de Sucesso - Tesla
	Big Data nas Empresas Brasileiras
	Big Data na Educação
	Big Data nas Redes Sociais
	Big Data na IoT
Privacidade em Big Data
	Espectro de Controle de Dados
	Privacidade GDPR e LGPD
	Governança em Big Data
Influências em Big Data
	Principais Influenciadores
Principais Tecnologias de Big Data
	Tecnologias de Nuvem
	Tecnologias de Hardware e Software
	Tecnologia de Sistema Hadoop
	Instalações de Hadoop
	Distribuições de Hadoop
	Edge Computing
	Digital Transformation
Ecossistema Hadoop
	Componentes do Ecossistema
	HDFS
	YARN
	MapReduce
	Linguagens PIG e HIVE
	Processamento de Grafos Giraph
	HBase, Cassandra e MongoDB
	Flume e Sqoop
	Spark, Storm e Flink
	A importância de Spark
	ZooKeeper
	Considerações sobre Ecossistema
Introdução ao MapReduce
	MapReduce na Prática
	Aplicações de MapReduce
Introdução ao Data Warehouse
	Características do Data Warehouse
	ETL - Extrair, Transformar, Carregar
	Inteligência nos Negócios (BI)
	Data Lake (Lago de Dados)
	Armazém de Dados em Nuvem
Análise de Dados em Big Data
	Análise em todos os Lugares
	Análise Descritiva
	Análise Diagnóstica
	Análise Preditiva
	Análise Prescritiva
Ferramentas de Análise de Dados
	Principais Ferramentas de Análise
Conceitos de Aprendizado de Máquina
	Conceituando Machine Learning
	Aplicações Práticas de ML
	Algoritmos utilizados em Machine Learning
	Conceituando Redes Neurais
	Plataformas de Desenvolvimento
	Preocupações com ML e AI
	Big Data + Data Science + ML
Introdução à Visualização de Dados
	Ciência de Dados e Visualização
	Ferramentas de Visualização
	Visualização de Dados como Arte
Carreiras em Big Data
	Principais Carreiras de Dados
	Cientista de Dados
	Citizen Data Scientist
	Analytics Translator
	Vale a pena investir?
Torne-se um Data Scientist
	Orientações Acadêmicas
	Orientações Curriculares
Big Data para Executivos
Big Data para Profissionais de Mercado
Resumo e Conclusões




نظرات کاربران

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