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: نویسندگان: National Research Council (U.S.). Committee on Applied and Theoretical Statistics., National Research Council (U.S.). Committee on the Analysis of Massive Data., National Research Council (U.S.). Board on Mathematical Sciences and Their Applications., National Research Council (U.S.). Division on Engineering and Physical Sciences سری: ISBN (شابک) : 9780309287784, 0309287782 ناشر: National Academies Press سال نشر: 2013 تعداد صفحات: 191 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 616 کیلوبایت
در صورت تبدیل فایل کتاب Frontiers in massive data analysis 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 مرزها در تحلیل داده های عظیم 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.
دادهکاوی مجموعههای عظیم داده، طرز تفکر ما را در مورد واکنش
به بحران، بازاریابی، سرگرمی، امنیت سایبری و هوش ملی تغییر
میدهد. مجموعهای از اسناد، تصاویر، ویدئوها و شبکهها نه تنها
بهعنوان رشتههای بیتی برای ذخیره، نمایهسازی و بازیابی، بلکه
بهعنوان منابع بالقوه کشف و دانش در نظر گرفته میشوند که به
تکنیکهای تحلیل پیچیدهای نیاز دارند که بسیار فراتر از
نمایهسازی کلاسیک و شمارش کلمات کلیدی است. با هدف یافتن
تفسیرهای رابطه ای و معنایی از پدیده های زیربنایی داده ها.
Frontiers in Massive Data Analysis مرز تجزیه و تحلیل
مقادیر انبوه داده را بررسی می کند، چه در یک پایگاه داده ایستا و
چه در جریان یک سیستم. داده ها در آن مقیاس - ترابایت ها و
پتابایت ها - به طور فزاینده ای در علم (به عنوان مثال، فیزیک
ذرات، سنجش از دور، ژنومیک)، تجارت اینترنتی، تجزیه و تحلیل
تجاری، امنیت ملی، ارتباطات و جاهای دیگر رایج است. ابزارهایی که
برای استنتاج دانش از دادهها در مقیاسهای کوچکتر کار میکنند،
لزوماً در چنین مقیاس وسیعی کار نمیکنند یا خوب کار نمیکنند.
ابزارها، مهارتها و رویکردهای جدید ضروری هستند و این گزارش
بسیاری از آنها را شناسایی میکند، بهعلاوه جهتهای پژوهشی
امیدوارکننده برای کشف. Frontiers in Massive Data
Analysis مشکلات در تلاش برای استنتاج دانش از داده های عظیم
را مورد بحث قرار می دهد و هفت کلاس اصلی محاسبات را مشخص می کند
که در تجزیه و تحلیل داده های انبوه رایج هستند. به طور کلی، این
گزارش دانش بین رشتهای را نشان میدهد - از علوم کامپیوتر، آمار،
یادگیری ماشین و رشتههای کاربردی - که باید برای استنتاج مفید از
دادههای انبوه استفاده شود.
Data mining of massive data sets is transforming the way we
think about crisis response, marketing, entertainment,
cybersecurity and national intelligence. Collections of
documents, images, videos, and networks are being thought of
not merely as bit strings to be stored, indexed, and retrieved,
but as potential sources of discovery and knowledge, requiring
sophisticated analysis techniques that go far beyond classical
indexing and keyword counting, aiming to find relational and
semantic interpretations of the phenomena underlying the
data.
Frontiers in Massive Data Analysis examines the frontier
of analyzing massive amounts of data, whether in a static
database or streaming through a system. Data at that
scale--terabytes and petabytes--is increasingly common in
science (e.g., particle physics, remote sensing, genomics),
Internet commerce, business analytics, national security,
communications, and elsewhere. The tools that work to infer
knowledge from data at smaller scales do not necessarily work,
or work well, at such massive scale. New tools, skills, and
approaches are necessary, and this report identifies many of
them, plus promising research directions to explore.
Frontiers in Massive Data Analysis discusses pitfalls in
trying to infer knowledge from massive data, and it
characterizes seven major classes of computation that are
common in the analysis of massive data. Overall, this report
illustrates the cross-disciplinary knowledge--from computer
science, statistics, machine learning, and application
disciplines--that must be brought to bear to make useful
inferences from massive data
Cover......Page 1
Appendix B: Biographical Sketches of Committee Members......Page 0
©......Page 3
Acknowledgments......Page 10
Contents......Page 12