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: [1st ed. 2019] نویسندگان: Jianhui Li, Xiaofeng Meng, Ying Zhang, Wenjuan Cui, Zhihui Du سری: Lecture Notes in Computer Science 11473 ISBN (شابک) : 9783030280604, 9783030280611 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: XIII, 332 [346] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 30 Mb
در صورت تبدیل فایل کتاب Big Scientific Data Management: First International Conference, BigSDM 2018, Beijing, China, November 30 – December 1, 2018, Revised Selected Papers 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 مدیریت علمی بزرگ داده ها: اولین کنفرانس بین المللی ، BigSDM 2018 ، پکن ، چین ، 30 نوامبر - 1 دسامبر 2018 ، مقاله های منتخب اصلاح شده 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.
این کتاب مجموعه مقالات داوری اولین کنفرانس بین المللی مدیریت داده های علمی بزرگ، BigSDM 2018 است که در پکن، یونان، در نوامبر/دسامبر 2018 برگزار شد.
24 مقاله کامل ارائه شده است. به همراه 7 مقاله کوتاه به دقت بررسی و از بین 86 مقاله ارسالی انتخاب شد. موضوعات شامل موارد کاربردی در مدیریت داده های علمی بزرگ، پارادایم هایی برای افزایش اکتشاف علمی از طریق داده های بزرگ، چالش های مدیریت داده ناشی از داده های علمی بزرگ، روش های یادگیری ماشین برای تسهیل کشف علمی، پلت فرم های علمی و سیستم های ذخیره سازی برای کاربردهای علمی در مقیاس بزرگ، داده ها بود. پاکسازی و تضمین کیفیت داده های علمی، و سیاست های داده.
This book constitutes the refereed proceedings of the First International Conference on Big Scientific Data Management, BigSDM 2018, held in Beijing, Greece, in November/December 2018.
The 24 full papers presented together with 7 short papers were carefully reviewed and selected from 86 submissions. The topics involved application cases in the big scientific data management, paradigms for enhancing scientific discovery through big data, data management challenges posed by big scientific data, machine learning methods to facilitate scientific discovery, science platforms and storage systems for large scale scientific applications, data cleansing and quality assurance of science data, and data policies.