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: First edition
نویسندگان: Mons. Barend
سری:
ISBN (شابک) : 9781315380711, 1315380714
ناشر: CRC Press
سال نشر: 2018
تعداد صفحات: 245
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب نظارت داده ها برای علوم باز: پیاده سازی اصول عرفی: است
در صورت تبدیل فایل کتاب Data Stewardship for Open Science : Implementing FAIR Principles 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 نظارت داده ها برای علوم باز: پیاده سازی اصول عرفی 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.
"دانشمندان داده و به طور کلی متخصصان داده نقش کلیدی در علوم در
دهه های آینده خواهند داشت. با این حال یک کتاب مطالعه جامع و
منعطف برای "محافظ داده" امروز و آینده وجود ندارد. هدف این کتاب
کاربردی این کتاب در ابتدا از دیدگاه علم زندگی نوشته شده است،
اما بیشتر رویکردهای مورد بحث و پیوند برای همه رشته ها اهمیت
دارند. -به نام چرخه سرپرستی داده، از طراحی مطالعه تا تفسیر و
بایگانی طولانی مدت و در دسترس بودن داده ها.\"-- ارائه شده توسط
ناشر. بیشتر
بخوانید...< /span>
چکیده: \"دانشمندان داده و به طور کلی متخصصان داده نقش کلیدی در
علوم در دهههای آینده خواهند داشت. مباشر داده امروز و آینده این
کتاب عملی با هدف رفع آن است. این کتاب در ابتدا از دیدگاه علم
زندگی نوشته شده است، اما بیشتر رویکردهای مورد بحث و پیوند برای
همه رشتهها اهمیت دارند. ساختار اصلی از چرخه مدیریت دادهها
پیروی میکند، از طراحی مطالعه تا تفسیر و بایگانی طولانیمدت و
در دسترس بودن دادهها.\"- ارائه شده توسط ناشر
"Data scientists and data experts in general will play a key
role in the sciences in the decades to come. Yet there is not a
comprehensive and flexible study book for the ‘data steward’ of
today and the future. This practical book aims to remedy that.
This book is written initially from a life-science perspective,
but most approaches discussed and linked are of importance for
all disciplines. The basic structure follows the so-called data
stewardship cycle, from study design to interpretation and long
term archiving and availability of data."--Provided by
publisher. Read
more...
Abstract: "Data scientists and data experts in general will
play a key role in the sciences in the decades to come. Yet
there is not a comprehensive and flexible study book for the
‘data steward’ of today and the future. This practical book
aims to remedy that. This book is written initially from a
life-science perspective, but most approaches discussed and
linked are of importance for all disciplines. The basic
structure follows the so-called data stewardship cycle, from
study design to interpretation and long term archiving and
availability of data."--Provided by publisher
Content: Intro
Halftitle Page
Title Page
Copyright
Dedication
Table of Contents
List of Figures
Preface
Author
CHAPTER 1 Introduction
1.1 Data Stewardship for Open Science
1.2 Introduction by the Author
1.3 Definitions and Context
1.4 The Lines of Thinking
1.5 The Basics of Good Data Stewardship
CHAPTER 2 Data Cycle Step 1: Design of Experiment
2.1 Is There Pre-Existing Data?
2.2 Will you use Pre-existing data (Including Opedas)?
2.3 Will You use Reference Data?
2.4 Where is it Available?
2.5 What Format?
2.6 Is the Data Resource Versioned? 2.7 Will You Be Using Any Existing (Non-Reference) Datasets?2.8 Will Owners of that Data Work With You on this Study?
2.9 Is Reconsent Needed?
2.10 Do You Need to Harmonize Different Sources of OPEDAS?
2.11 What/How/Who Will Integrate Existing Data?
2.11.1 Will you need to add data from the literature?
2.11.2 Will you need text-mining?
2.11.3 Do you need to integrate or link to a different type of data?
2.12 Will Reference Data Be Created?
2.12.1 What will the IP be like?
2.12.2 How will you maintain it?
2.13 Will You Be Storing Physical Samples? 2.13.1 Where will information about samples be stored?2.13.2 Will your data and samples be added to an existing collection? Whatâ#x80
#x99
s up?
2.14 Will You Be Collecting Experimental Data?
2.15 Are there Data Formatting Considerations?
2.15.1 What is the volume of the anticipated dataset?
2.15.2 What data formats do the instruments yield?
2.15.3 What preprocessing is needed?
2.15.3.1 Are there ready-to-use workflows?
2.15.3.2 What compute is needed?
2.15.4 Will you create images?
2.16 Are there Potential Issues Regarding Data Ownership and Access Control?
2.16.1 Who needs access? 2.16.2 What level of data protection is needed?2.16.2.1 Is the collected data privacy sensitive?
2.16.2.2 Is your institutesâ#x80
#x99
security sufficient for storage?
CHAPTER 3 Data Cycle Step 2: Data Design and Planning
3.1 Are You Using Data Types Used by Others, Too?
3.1.1 What format(s) will you use for the data?
3.2 Will you be Using New Types of Data?
3.2.1 Are there suitable terminology systems?
3.2.2 Do you need to develop new terminology systems?
3.2.3 How will you describe your data format?
3.3 How will you be Storing Metadata? 3.3.1 Did you consider how to monitor data integrity?3.3.2 Will you store licenses with the data?
3.4 Method Stewardship
3.4.1 Is all software for steps in your workflow properly maintained?
3.5 Storage (How Will You Store Your Data?)
3.5.1 Storage capacity planning
3.5.1.1 Will you be archiving data for long-term preservation?
3.5.1.2 Can the original data be regenerated?
3.5.1.3 If your data changes over time, how frequently do you do backups?
3.5.2 When is the data archived?
3.5.3 Re-use considerations: Will the archive need to be online?