Handbook of Massive Data Sets

تکثیر مجموعه‌های داده عظیم، یک سری چالش‌های محاسباتی ویژه را به همراه دارد. این \"بهمن داده\" در طیف گسترده ای از کاربردهای علمی و تجاری به وجود می آید. با پیشرفت در رایانه و فناوری اطلاعات، بسیاری از این چالش‌ها توسط گروه‌های بین رشته‌ای مختلف، که شامل دانشمندان رایانه، ریاضیدانان، آماردانان و مهندسان هستند، شروع به رسیدگی می‌کنند که در همکاری با کارشناسان حوزه کاربرد کار می‌کنند. برنامه های کاربردی با مشخصات بالا شامل اخترفیزیک، بیو فناوری، جمعیت شناسی، امور مالی، سیستم های اطلاعات جغرافیایی، دولت، پزشکی، مخابرات، محیط زیست و اینترنت است. جان آر. تاکر از هیئت علمی ریاضیات بیان کرده است: "علاقه من به این مشکل (مجموعه داده های عظیم) این است که آن را به عنوان یک مشکل مقطعی مهم برای علوم طبیعی در حل عملی مسائل برای دهه آینده می بینم. "راهنمای مجموعه داده های عظیم" شامل ده مقاله است که توسط متخصصان در مورد موضوعات انتخاب شده ای نوشته شده است که با برخی از جنبه های اصلی مجموعه داده های عظیم سروکار دارد. این شامل فصول مربوط به بازیابی اطلاعات در اینترنت و به معنای سنتی، خزنده های وب، نمودارهای عظیم، پردازش رشته، فشرده سازی داده ها، روش های گردگیری، موجک ها، زمان بندی عملیات، الگوریتم های حافظه خارجی و ساختارهای داده، پروژه ملی گردگیر ایالات متحده، بالا می باشد. محاسبات عملکرد، انبارهای داده، مکعب‌های داده، داده‌های نیمه ساختاریافته، له کردن داده‌ها، کیفیت داده‌ها، صورت‌حساب در بزرگ، تشخیص تقلب، و پردازش داده‌ها در اخترفیزیک، آلودگی هوا، داده‌های زیست مولکولی، رصد زمین و محیط‌زیست.

The proliferation of massive data sets brings with it a series of special computational challenges. This "data avalanche" arises in a wide range of scientific and commercial applications. With advances in computer and information technologies, many of these challenges are beginning to be addressed by diverse inter-disciplinary groups, that indude computer scientists, mathematicians, statisticians and engineers, working in dose cooperation with application domain experts. High profile applications indude astrophysics, bio-technology, demographics, finance, geographi­ cal information systems, government, medicine, telecommunications, the environment and the internet. John R. Tucker of the Board on Mathe­ matical Seiences has stated: "My interest in this problern (Massive Data Sets) isthat I see it as the rnost irnportant cross-cutting problern for the rnathernatical sciences in practical problern solving for the next decade, because it is so pervasive. " The Handbook of Massive Data Sets is comprised of articles writ­ ten by experts on selected topics that deal with some major aspect of massive data sets. It contains chapters on information retrieval both in the internet and in the traditional sense, web crawlers, massive graphs, string processing, data compression, dustering methods, wavelets, op­ timization, external memory algorithms and data structures, the US national duster project, high performance computing, data warehouses, data cubes, semi-structured data, data squashing, data quality, billing in the large, fraud detection, and data processing in astrophysics, air pollution, biomolecular data, earth observation and the environment.