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: Rajkumar Buyya, Rodrigo N. Calheiros, Amir Vahid Dastjerdi سری: ISBN (شابک) : 0128053941, 0128093463 ناشر: Morgan Kaufmann سال نشر: 2016 تعداد صفحات: 465 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 36 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب اطلاعات بزرگ. اصول و پارادایم ها: کلان داده، کامپیوترها، پردازش داده ها
در صورت تبدیل فایل کتاب Big Data. Principles and Paradigms 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 اطلاعات بزرگ. اصول و پارادایم ها 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.
دادههای بزرگ: اصول و پارادایمها تحقیقات پیشرفتهای را در مورد جنبههای معماری، فناوریها و کاربردهای کلان داده به تصویر میکشد. این کتاب جهتها و فناوریهای بالقوه آینده را شناسایی میکند که بینش در مورد کاربردهای علمی، تجاری و مصرفکننده متعدد را تسهیل میکند.
برای کمک به تحقق پتانسیل کامل Big Data، این کتاب به چالشهای متعددی میپردازد و راهحلهای مفهومی و فنآوری را برای مقابله با آن ارائه میکند. آنها این چالشها شامل مدیریت دادههای چرخه زندگی، ذخیرهسازی در مقیاس بزرگ، زیرساختهای پردازش انعطافپذیر، مدلسازی دادهها، یادگیری ماشین مقیاسپذیر، الگوریتمهای تجزیه و تحلیل دادهها، تکنیکهای نمونهبرداری، و مسائل مربوط به حریم خصوصی و اخلاقی است.
Big Data: Principles and Paradigms captures the state-of-the-art research on the architectural aspects, technologies, and applications of Big Data. The book identifies potential future directions and technologies that facilitate insight into numerous scientific, business, and consumer applications.
To help realize Big Data’s full potential, the book addresses numerous challenges, offering the conceptual and technological solutions for tackling them. These challenges include life-cycle data management, large-scale storage, flexible processing infrastructure, data modeling, scalable machine learning, data analysis algorithms, sampling techniques, and privacy and ethical issues.
Content:
Front Matter,Copyright,List of contributors,About the Editors,Preface,AcknowledgmentsEntitled to full textPart I: Big Data ScienceChapter 1 - Big Data Analytics = Machine Learning + Cloud Computing, Pages 3-38, C. Wu, R. Buyya, K. Ramamohanarao
Chapter 2 - Real-Time Analytics, Pages 39-61, Z. Milosevic, W. Chen, A. Berry, F.A. Rabhi
Chapter 3 - Big Data Analytics for Social Media, Pages 63-94, S. Kannan, S. Karuppusamy, A. Nedunchezhian, P. Venkateshan, P. Wang, N. Bojja, A. Kejariwal
Chapter 4 - Deep Learning and Its Parallelization, Pages 95-118, X. Li, G. Zhang, K. Li, W. Zheng
Chapter 5 - Characterization and Traversal of Large Real-World Networks, Pages 119-136, A. Garcia-Robledo, A. Diaz-Perez, G. Morales-Luna
Chapter 6 - Database Techniques for Big Data, Pages 139-159, P. Ameri
Chapter 7 - Resource Management in Big Data Processing Systems, Pages 161-188, S. Tang, B. He, H. Liu, B.-S. Lee
Chapter 8 - Local Resource Consumption Shaping: A Case for MapReduce, Pages 189-214, P. Lu, Y.C. Lee, T. Ryan, V. Gramoli, A.Y. Zomaya
Chapter 9 - System Optimization for Big Data Processing, Pages 215-238, R. Li, X. Dong, X. Gu, Z. Xue, K. Li
Chapter 10 - Packing Algorithms for Big Data Replay on Multicore, Pages 239-266, M. Zhanikeev
Chapter 11 - Spatial Privacy Challenges in Social Networks, Pages 269-283, R.O. Sinnott, S. Sun
Chapter 12 - Security and Privacy in Big Data, Pages 285-308, L. Ou, Z. Qin, H. Yin, K. Li
Chapter 13 - Location Inferring in Internet of Things and Big Data, Pages 309-335, W. Xi, J. Han, K. Li, Z. Jiang, H. Ding
Chapter 14 - A Framework for Mining Thai Public Opinions, Pages 339-355, C. Deerosejanadej, S. Prom-on, T. Achalakul
Chapter 15 - A Case Study in Big Data Analytics: Exploring Twitter Sentiment Analysis and the Weather, Pages 357-388, R.O. Sinnott, H. Duan, Y. Sun
Chapter 16 - Dynamic Uncertainty-Based Analytics for Caching Performance Improvements in Mobile Broadband Wireless Networks, Pages 389-415, S. Dutta, A. Narang
Chapter 17 - Big Data Analytics on a Smart Grid: Mining PMU Data for Event and Anomaly Detection, Pages 417-429, S. Wallace, X. Zhao, D. Nguyen, K.-T. Lu
Chapter 18 - eScience and Big Data Workflows in Clouds: A Taxonomy and Survey, Pages 431-455, A.C. Zhou, B. He, S. Ibrahim
Index, Pages 457-468