دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Borko Furht. Flavio Villanustre (auth.)
سری:
ISBN (شابک) : 9783319445502, 9783319445489
ناشر: Springer International Publishing
سال نشر: 2016
تعداد صفحات: 405
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب فناوری ها و کاربردهای کلان داده: خدمات سیستم های اطلاعات و ارتباطات، مهندسی نرم افزار، کاربردهای ریاضی در علوم کامپیوتر
در صورت تبدیل فایل کتاب Big Data Technologies and Applications 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 فناوری ها و کاربردهای کلان داده 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.
هدف این کتاب معرفی مفاهیم اساسی محاسبات کلان داده و سپس تشریح
راه حل کلی مسائل کلان داده با استفاده از HPCC، یک پلت فرم
محاسباتی منبع باز است.
کتاب شامل 15 فصل است که به سه فصل تقسیم شده است. قطعات. بخش
اول، تکنولوژی های کلان داده، شامل مقدمه ای بر مفاهیم و
تکنیک های کلان داده است. تجزیه و تحلیل داده های بزرگ؛ و تکنیک
های تجسم و یادگیری. بخش دوم، راهحل ریسک LexisNexis برای
دادههای بزرگ، بر فناوریها و تکنیکهای خاصی که در
LexisNexis برای حل مشکلات حیاتی که از تجزیه و تحلیل دادههای
بزرگ استفاده میکنند، تمرکز دارد. این پلت فرم منبع باز خوشه
محاسباتی با کارایی بالا (HPCC Systems®) و معماری آن و همچنین
زبان های داده موازی ECL و KEL را پوشش می دهد که برای حل موثر
مشکلات کلان داده توسعه یافته اند. بخش سوم، برنامههای کلان
داده، برنامههای کاربردی فشرده دادهای مختلفی را که بر
روی سیستمهای HPCC حل شدهاند، توصیف میکند. این شامل
برنامههایی مانند امنیت سایبری، تجزیه و تحلیل شبکههای
اجتماعی از جمله تقلب، مدلسازی گسترش ابولا با استفاده از
تجزیه و تحلیل دادههای بزرگ، یادگیری بدون نظارت و طبقهبندی
تصویر است.
این کتاب برای طیف گستردهای از افراد از جمله محققان،
دانشمندان، برنامهنویسان، مهندسان در نظر گرفته شده است. ،
طراحان، توسعه دهندگان، مربیان و دانش آموزان. این کتاب همچنین
می تواند برای مدیران کسب و کار، کارآفرینان و سرمایه گذاران
مفید باشد.
The objective of this book is to introduce the basic concepts
of big data computing and then to describe the total solution
of big data problems using HPCC, an open-source computing
platform.
The book comprises 15 chapters broken into three parts. The
first part, Big Data Technologies, includes
introductions to big data concepts and techniques; big data
analytics; and visualization and learning techniques. The
second part, LexisNexis Risk Solution to Big Data,
focuses on specific technologies and techniques developed at
LexisNexis to solve critical problems that use big data
analytics. It covers the open source High Performance
Computing Cluster (HPCC Systems®) platform and its
architecture, as well as parallel data languages ECL and KEL,
developed to effectively solve big data problems. The third
part, Big Data Applications, describes various data
intensive applications solved on HPCC Systems. It includes
applications such as cyber security, social network analytics
including fraud, Ebola spread modeling using big data
analytics, unsupervised learning, and image
classification.
The book is intended for a wide variety of people including
researchers, scientists, programmers, engineers, designers,
developers, educators, and students. This book can also be
beneficial for business managers, entrepreneurs, and
investors.
Front Matter....Pages i-xviii
Front Matter....Pages 1-1
Introduction to Big Data....Pages 3-11
Big Data Analytics....Pages 13-52
Transfer Learning Techniques....Pages 53-99
Visualizing Big Data....Pages 101-131
Deep Learning Techniques in Big Data Analytics....Pages 133-156
Front Matter....Pages 157-157
The HPCC/ECL Platform for Big Data....Pages 159-183
Scalable Automated Linking Technology for Big Data Computing....Pages 185-223
Aggregated Data Analysis in HPCC Systems....Pages 225-235
Models for Big Data....Pages 237-255
Data Intensive Supercomputing Solutions....Pages 257-306
Graph Processing with Massive Datasets: A Kel Primer....Pages 307-328
Front Matter....Pages 329-329
HPCC Systems for Cyber Security Analytics....Pages 331-339
Social Network Analytics: Hidden and Complex Fraud Schemes....Pages 341-346
Modeling Ebola Spread and Using HPCC/KEL System....Pages 347-385
Unsupervised Learning and Image Classification in High Performance Computing Cluster....Pages 387-400