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
دسته بندی: شبکه سازی ویرایش: نویسندگان: Liangyue Li. Hanghang Tong سری: ISBN (شابک) : 110849854X, 9781108498548 ناشر: Cambridge University Press سال نشر: 2020 تعداد صفحات: 167 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Computational Approaches to the Network Science of Teams 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 رویکردهای محاسباتی به علم شبکه تیم 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.
امروزه عملیات تجاری در سازمانهای بزرگ شامل شبکههای عظیم، تعاملی و لایهای از تیمها و پرسنل است که در سراسر سلسله مراتب و کشورها برای انجام وظایف پیچیده با یکدیگر همکاری میکنند. برای بهینهسازی بهرهوری، کسبوکارها باید بدانند: تیمهای با عملکرد بالا چه الگوهای ارتباطی مشترکی دارند؟ آیا می توان عملکرد یک تیم را قبل از شروع کار روی یک پروژه پیش بینی کرد؟ چگونه می توان رفتار تیمی سازنده را پرورش داد؟ این بررسی جامع برای محققان و دست اندرکاران در داده کاوی و شبکه های اجتماعی، پیشرفت های اخیر در زمینه نوظهور علوم شبکه تیم ها را بررسی می کند. نویسندگان با تمرکز بر ساختار شبکه اجتماعی زیربنایی، مدلها و الگوریتمهایی را برای توصیف، پیشبینی، بهینهسازی و توضیح عملکرد تیم، همراه با برنامههای کاربردی کلیدی، چالشهای باز و روندهای آینده ارائه میکنند.
Business operations in large organizations today involve massive, interactive, and layered networks of teams and personnel collaborating across hierarchies and countries on complex tasks. To optimize productivity, businesses need to know: what communication patterns do high-performing teams have in common? Is it possible to predict a team's performance before it starts work on a project? How can productive team behavior be fostered? This comprehensive review for researchers and practitioners in data mining and social networks surveys recent progress in the emerging field of network science of teams. Focusing on the underlying social network structure, the authors present models and algorithms characterizing, predicting, optimizing, and explaining team performance, along with key applications, open challenges, and future trends.