Handbook of Big Data Analytics: Applications in ICT, security and business analytics (Computing and Networks)

تحلیل کلان داده فرآیند پیچیده بررسی کلان داده ها برای کشف اطلاعاتی مانند همبستگی ها، الگوهای پنهان، روندها و ترجیحات کاربر و مشتری است تا به سازمان ها و کسب و کارها اجازه دهد تا تصمیمات آگاهانه تری بگیرند. این روش‌ها و فناوری‌ها به دلیل ظهور مدل‌های مبتنی بر داده و همچنین پیشرفت‌های مهندسی داده‌ها با استفاده از چارچوب‌های تحلیل محاسباتی موازی و توزیع‌شده، موازی‌سازی داده‌ها و الگوریتم‌ها و برنامه‌نویسی GPGPU، در همه زمینه‌های علوم، مهندسی، کسب‌وکار و مدیریت فراگیر شده‌اند. با این حال، مسائل بالقوه ای وجود دارد که باید به آنها پرداخته شود تا پردازش و تجزیه و تحلیل کلان داده در زمان واقعی امکان پذیر شود.

در جلد اول این کتاب راهنمای جامع دو جلدی، نویسندگان چندین روش برای پشتیبانی از داده های بزرگ ارائه می کنند. تجزیه و تحلیل از جمله مدیریت پایگاه داده، چارچوب های پردازش و معماری، دریاچه های داده، استراتژی های بهینه سازی پرس و جو، به سمت پردازش داده ها در زمان واقعی، تجزیه و تحلیل جریان داده، محاسبات مه و لبه، و هوش مصنوعی و داده های بزرگ.

جلد دوم. به طیف گسترده ای از برنامه های کاربردی در ذخیره سازی امن داده ها، حفظ حریم خصوصی، شبکه های تعریف شده نرم افزار (SDN)، اینترنت اشیا (IoTs)، تجزیه و تحلیل رفتار، پیش بینی ترافیک، طبقه بندی جنسیتی بر اساس داده های تجارت الکترونیک، سیستم های توصیه کننده، سیستم های بزرگ اختصاص داده شده است. رگرسیون داده ها با Apache Spark، تجزیه و تحلیل احساسات بصری، شبکه عصبی موجک از طریق GPU، پیش بینی حرکت بازار سهام، و گزارش مالی.

هدف این کار دو جلدی ارائه یک پلت فرم منحصر به فرد برای محققان، مهندسان، توسعه دهندگان است. ، مربیان و دانشجویان پیشرفته در زمینه تجزیه و تحلیل داده های بزرگ.

Big Data analytics is the complex process of examining big data to uncover information such as correlations, hidden patterns, trends and user and customer preferences, to allow organizations and businesses to make more informed decisions. These methods and technologies have become ubiquitous in all fields of science, engineering, business and management due to the rise of data-driven models as well as data engineering developments using parallel and distributed computational analytics frameworks, data and algorithm parallelization, and GPGPU programming. However, there remain potential issues that need to be addressed to enable big data processing and analytics in real time.

In the first volume of this comprehensive two-volume handbook, the authors present several methodologies to support Big Data analytics including database management, processing frameworks and architectures, data lakes, query optimization strategies, towards real-time data processing, data stream analytics, Fog and Edge computing, and Artificial Intelligence and Big Data.

The second volume is dedicated to a wide range of applications in secure data storage, privacy-preserving, Software Defined Networks (SDN), Internet of Things (IoTs), behaviour analytics, traffic predictions, gender based classification on e-commerce data, recommender systems, Big Data regression with Apache Spark, visual sentiment analysis, wavelet Neural Network via GPU, stock market movement predictions, and financial reporting.

The two-volume work is aimed at providing a unique platform for researchers, engineers, developers, educators and advanced students in the field of Big Data analytics.