Big Data: Related Technologies, Challenges and Future Prospects

این Springer Brief مروری جامع از پیشینه و پیشرفت‌های اخیر داده‌های بزرگ ارائه می‌کند. زنجیره ارزش داده های بزرگ به چهار مرحله تقسیم می شود: تولید داده، جمع آوری داده، ذخیره سازی داده ها و تجزیه و تحلیل داده ها. برای هر مرحله، کتاب پیشینه کلی را معرفی می کند، چالش های فنی را مورد بحث قرار می دهد و آخرین پیشرفت ها را بررسی می کند. فن آوری های مورد بحث عبارتند از رایانش ابری، اینترنت اشیا، مراکز داده، Hadoop و موارد دیگر. نویسندگان همچنین چندین کاربرد معرف داده های بزرگ مانند مدیریت سازمانی، شبکه های اجتماعی آنلاین، برنامه های کاربردی مراقبت های بهداشتی و پزشکی، هوش جمعی و شبکه های هوشمند را بررسی می کنند. این کتاب با یک بحث متفکرانه در مورد جهت گیری های احتمالی تحقیق و روند توسعه در این زمینه به پایان می رسد. Big Data: Related Technologies, Challenges and Future Perspective بررسی مختصر و در عین حال کامل این حوزه هیجان انگیز است. این برای محققان و متخصصان علاقه مند به داده های بزرگ یا تحقیقات مرتبط طراحی شده است. دانشجویان سطح پیشرفته در علوم کامپیوتر و مهندسی برق نیز این کتاب را مفید خواهند یافت.

This Springer Brief provides a comprehensive overview of the background and recent developments of big data. The value chain of big data is divided into four phases: data generation, data acquisition, data storage and data analysis. For each phase, the book introduces the general background, discusses technical challenges and reviews the latest advances. Technologies under discussion include cloud computing, Internet of Things, data centers, Hadoop and more. The authors also explore several representative applications of big data such as enterprise management, online social networks, healthcare and medical applications, collective intelligence and smart grids. This book concludes with a thoughtful discussion of possible research directions and development trends in the field. Big Data: Related Technologies, Challenges and Future Prospects is a concise yet thorough examination of this exciting area. It is designed for researchers and professionals interested in big data or related research. Advanced-level students in computer science and electrical engineering will also find this book useful.