ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Handbook of Big Data

دانلود کتاب کتابچه راهنمای داده های بزرگ

Handbook of Big Data

مشخصات کتاب

Handbook of Big Data

ویرایش:  
نویسندگان: , , ,   
سری: Chapman & Hall/CRC Handbooks of Modern Statistical Methods 
ISBN (شابک) : 9781482249071 
ناشر: Chapman and Hall/CRC 
سال نشر: 2016 
تعداد صفحات: 470 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb 

قیمت کتاب (تومان) : 40,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Handbook of Big Data 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 کتابچه راهنمای 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.


توضیحاتی در مورد کتاب کتابچه راهنمای داده های بزرگ

Handbook of Big Data یک نمای کلی پیشرفته از تجزیه و تحلیل مجموعه داده های در مقیاس بزرگ ارائه می دهد. این کتابچه با مشارکت کارشناسان مشهور آمار و علوم کامپیوتر، مجموعه‌ای از تکنیک‌ها را از هر دو صنعت و دانشگاه ارائه می‌کند. بنابراین، متن درک درستی از ایده‌های آماری و محاسباتی کلیدی را القا می‌کند که می‌توانند به آسانی در تحقیق و عمل به کار روند. این کتابچه راهنما با ارائه پوشش متوازن از روش‌شناسی، نظریه و کاربردها: رویکردهای مدرن و مقیاس‌پذیر برای تجزیه و تحلیل مجموعه داده‌های بزرگ را توصیف می‌کند. مفاهیم اساسی ابزارها و تکنیک‌های تحلیلی موجود را تعریف می‌کند. مناطقی که نیاز به توسعه بیشتر دارند، تشویق به ارتباطات و همکاری بیشتر بین محققان در زیر تخصص های داده های بزرگ مانند ژنومیک، زیست شناسی محاسباتی و امور مالی. پیتر بولمان، استاد آمار در ETH زوریخ، سوئیس، عضو موسسه آمار ریاضی، عضو منتخب موسسه آماری بین‌المللی، و یکی از نویسندگان کتابی با عنوان آمار برای داده‌های با ابعاد بالا: روش‌ها، تئوری و کاربردها است. او در سال 2014 به عنوان محقق بسیار استناد تامسون رویترز در ریاضیات انتخاب شد، در هیئت های تحریریه مختلف و به عنوان سردبیر Annals of Statistics خدمت کرد و ارائه های متعددی از جمله سخنرانی مدالیون در نشست های آماری مشترک سال 2009، مقاله خواندنی برای رویال آمار ارائه کرد. انجمن در سال 2010، چهاردهمین سخنرانی یادبود بهادر در دانشگاه شیکاگو، ایلینویز، ایالات متحده آمریکا، و سخنرانی های نامگذاری شده دیگر. پتروس دریناس دانشیار گروه علوم کامپیوتر در موسسه پلی تکنیک Rensselaer، تروی، نیویورک، ایالات متحده آمریکا است. او دریافت کننده جایزه برجسته تحقیقات اولیه از موسسه پلی تکنیک Rensselaer، جایزه NSF CAREER، و دو بورسیه از سازمان بیولوژی مولکولی اروپا است. او به عنوان استاد مدعو در آزمایشگاه ملی ساندیا ایالات متحده خدمت کرده است. عضو مدعو در موسسه ریاضیات محض و کاربردی، دانشگاه کالیفرنیا، لس آنجلس. بازدید کننده طولانی مدت در موسسه سیمونز برای نظریه محاسبات، دانشگاه کالیفرنیا، برکلی. مدیر برنامه در دو بخش در بنیاد ملی علوم ایالات متحده؛ و برای آزمایشگاه های صنعتی کار می کرد. او یکی از سازمان‌دهندگان مجموعه کارگاه‌های آموزشی الگوریتم‌ها برای مجموعه داده‌های عظیم مدرن است و تحقیقات او در مقالات متعدد مطبوعاتی معروف به نمایش درآمده است. مایکل کین عضو هیئت علمی پژوهشی دانشگاه ییل، نیوهیون، کانکتیکات، ایالات متحده است. او برنده جایزه نرم افزار آماری Chambers انجمن آمار آمریکا برای پروژه Bigmemory است، مجموعه ای از کتابخانه های نرم افزاری که به محیط برنامه نویسی R اجازه می دهد مجموعه داده های بزرگی را برای تجزیه و تحلیل آماری در خود جای دهد. او در پروژه XDATA آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی، بخشی از طرح داده‌های بزرگ کاخ سفید، و در اکتشاف چالش‌های بزرگ دور یازدهم بنیاد گیتس، دریافت کننده کمک هزینه است. او با شرکت هایی از جمله AT&T Labs Research، Paradigm4، Sybase (یک شرکت SAP) و Oracle همکاری کرده است. مارک ون در لان استاد جان پینگ هسو/کارل ای پیس در آمار زیستی و آمار در دانشگاه کالیفرنیا، برکلی، ایالات متحده است. او مخترع تخمین حداکثر درستنمایی هدفمند است، یک روش تخمین کارآمد نیمه پارامتریک عمومی که از هنر یادگیری ماشینی از طریق یادگیری فوق العاده روش گروهی استفاده می کند. او در سال 2005 جوایز رئیس جمهور و اسندکور COPPS، جایزه ون دانتسیگ 2005 و جایزه اشپیگلمن 2004 را دریافت کرد. او همچنین سردبیر ژورنال بین المللی آمار زیستی و مجله استنتاج علّی و نویسنده مشترک بیش از 250 نشریه و کتاب مختلف است.


توضیحاتی درمورد کتاب به خارجی

Handbook of Big Data provides a state-of-the-art overview of the analysis of large-scale datasets. Featuring contributions from well-known experts in statistics and computer science, this handbook presents a carefully curated collection of techniques from both industry and academia. Thus, the text instills a working understanding of key statistical and computing ideas that can be readily applied in research and practice. Offering balanced coverage of methodology, theory, and applications, this handbook: Describes modern, scalable approaches for analyzing increasingly large datasets Defines the underlying concepts of the available analytical tools and techniques Details intercommunity advances in computational statistics and machine learning Handbook of Big Data also identifies areas in need of further development, encouraging greater communication and collaboration between researchers in big data sub-specialties such as genomics, computational biology, and finance. Peter Bühlmann is a professor of statistics at ETH Zürich, Switzerland, fellow of the Institute of Mathematical Statistics, elected member of the International Statistical Institute, and co-author of the book titled Statistics for High-Dimensional Data: Methods, Theory and Applications. He was named a Thomson Reuters’ 2014 Highly Cited Researcher in mathematics, served on various editorial boards and as editor of the Annals of Statistics, and delivered numerous presentations including a Medallion Lecture at the 2009 Joint Statistical Meetings, a read paper to the Royal Statistical Society in 2010, the 14th Bahadur Memorial Lectures at the University of Chicago, Illinois, USA, and other named lectures. Petros Drineas is an associate professor in the Computer Science Department at Rensselaer Polytechnic Institute, Troy, New York, USA. He is the recipient of an Outstanding Early Research Award from Rensselaer Polytechnic Institute, an NSF CAREER award, and two fellowships from the European Molecular Biology Organization. He has served as a visiting professor at the US Sandia National Laboratories; visiting fellow at the Institute for Pure and Applied Mathematics, University of California, Los Angeles; long-term visitor at the Simons Institute for the Theory of Computing, University of California, Berkeley; program director in two divisions at the US National Science Foundation; and worked for industrial labs. He is a co-organizer of the series of workshops on Algorithms for Modern Massive Datasets and his research has been featured in numerous popular press articles. Michael Kane is a member of the research faculty at Yale University, New Haven, Connecticut, USA. He is a winner of the American Statistical Association’s Chambers Statistical Software Award for The Bigmemory Project, a set of software libraries that allow the R programming environment to accommodate large datasets for statistical analysis. He is a grantee on the Defense Advanced Research Projects Agency’s XDATA project, part of the White House’s Big Data Initiative, and on the Gates Foundation’s Round 11 Grand Challenges Exploration. He has collaborated with companies including AT&T Labs Research, Paradigm4, Sybase, (a SAP company), and Oracle. Mark van der Laan is the Jiann-Ping Hsu/Karl E. Peace professor of biostatistics and statistics at the University of California, Berkeley, USA. He is the inventor of targeted maximum likelihood estimation, a general semiparametric efficient estimation method that incorporates the state of the art in machine learning through the ensemble method super learning. He is the recipient of the 2005 COPPS Presidents’ and Snedecor Awards, the 2005-van Dantzig Award, and the 2004 Spiegelman Award. He is also the founding editor of the International Journal of Biostatistics and the Journal of Causal Inference, and the co-author of more than 250 publications and various books.





نظرات کاربران