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: S. Srinivasan
سری:
ناشر: Springer
سال نشر: 2017
تعداد صفحات: 567
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Guide to Big Data Applications 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 راهنمای برنامه های کاربردی داده های بزرگ 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 راهنما رویکردهای مختلفی را برای استفاده از داده های بزرگ در زمینه های مختلف، عمدتاً علم، پزشکی و تجارت گرد هم می آورد. این منبع واحد شامل مشارکتهای محققان در سراسر جهان در زمینههای مختلف است، جایی که آنها یافتهها و تجربیات خود را به اشتراک میگذارند. این کتاب برای کمک به نوآوری بیشتر در کلان داده در نظر گرفته شده است. این تحقیق به گونه ای ارائه شده است که به خوانندگان، صرف نظر از رشته تحصیلی خود، اجازه می دهد تا از چگونگی موفقیت برنامه ها و نحوه استفاده از برنامه های کاربردی مشابه در زمینه خود بیاموزند. مشارکتهای محققان در زمینههایی مانند فیزیک، زیستشناسی، انرژی، مراقبتهای بهداشتی و کسبوکار ناشی میشود. مشارکت کنندگان همچنین در مورد موضوعات مهمی مانند کشف تقلب، پیامدهای حفظ حریم خصوصی، دیدگاه های قانونی و مدیریت اخلاقی داده های بزرگ بحث می کنند.
This handbook brings together a variety of approaches to the uses of big data in multiple fields, primarily science, medicine, and business. This single resource features contributions from researchers around the world from a variety of fields, where they share their findings and experience. This book is intended to help spur further innovation in big data. The research is presented in a way that allows readers, regardless of their field of study, to learn from how applications have proven successful and how similar applications could be used in their own field. Contributions stem from researchers in fields such as physics, biology, energy, healthcare, and business. The contributors also discuss important topics such as fraud detection, privacy implications, legal perspectives, and ethical handling of big data.