دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Implementing Reproducible Research
دانلود کتاب اجرای تحقیقات تکرارپذیر
مشخصات کتاب
Implementing Reproducible Research
ویرایش: First edition نویسندگان: Leisch. Friedrich, Peng. Roger D., Stodden. Victoria سری: Chapman & Hall/CRC the R series (CRC Press) ISBN (شابک) : 9781315360393, 1315373467 ناشر: Chapman and Hall/CRC سال نشر: 2018 تعداد صفحات: 449 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 49,000
کلمات کلیدی مربوط به کتاب اجرای تحقیقات تکرارپذیر: تحقیق تکرارپذیر.، تحقیق -- روشهای آماری، بازتولید دقیق یک نتیجه علمی، محاسبات ابری در تحقیقات تکرارپذیر، انجام و توزیع تحقیقات تکرارپذیر.، استاندارد تحقیقات تکرارپذیر.، تکرارپذیری در علوم محاسباتی. تجزیه و تحلیل داده ها در مقیاس
در صورت تبدیل فایل کتاب Implementing Reproducible Research 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 اجرای تحقیقات تکرارپذیر 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 اجرای تحقیقات تکرارپذیر
در علوم محاسباتی، تکرارپذیری مستلزم آن است که محققان کد و
داده‌ها را در دسترس دیگران قرار دهند تا بتوان داده‌ها را به
روشی مشابه در نسخه اصلی تجزیه و تحلیل کرد. کد باید برای توزیع
در دسترس باشد، داده ها باید در قالبی قابل خواندن در دسترس باشند
و بستری برای توزیع گسترده داده ها و کدها باید در دسترس باشد.
علاوه بر این، داده ها و کدها باید به اندازه کافی مجوز داشته
باشند تا دیگران
بتوانند کار را بدون بار قانونی قابل توجهی بازتولید کنند. اجرای
تحقیقات تکرارپذیر بسیاری از عناصر لازم برای انجام و توزیع
تحقیقات تکرارپذیر را پوشش می دهد. نحوه بازتولید دقیق یک نتیجه
علمی را توضیح می دهد. این کتاب که به سه بخش تقسیم شده است،
ابزارها، شیوه‌ها و بسترهای انتشار را برای اطمینان از تکرارپذیری
در علوم محاسباتی مورد بحث قرار می‌دهد. ابزارهای محاسباتی، مانند
Sweave، knitr، VisTrails، Sumatra، CDE، و شیوه های متن باز
سیستم Declaratron، شیوه های برنامه نویسی خوب، گرایش های علم
باز، و نقش رایانش ابری در تحقیقات تکرارپذیر نرم افزار و پلت فرم
های روش شناختی، از جمله بسته‌های نرم‌افزار منبع باز، پلتفرم
RunMyCode و مجلات دسترسی آزاد هر بخش مشارکت‌های رهبرانی را
ارائه می‌کند که نرم‌افزار و سایر محصولاتی را توسعه داده‌اند که
در این زمینه پیشرفت کرده‌اند. مطالب تکمیلی در
www.ImplementingRR.org موجود است. بیشتر
بخوانید...
چکیده: در علم محاسباتی، تکرارپذیری مستلزم آن است که محققان کد و
داده‌ها را در دسترس دیگران قرار دهند تا بتوان داده‌ها را به
روشی مشابه در نسخه اصلی تجزیه و تحلیل کرد. کد باید برای توزیع
در دسترس باشد، داده ها باید در قالبی قابل خواندن در دسترس باشند
و بستری برای توزیع گسترده داده ها و کدها باید در دسترس باشد.
علاوه بر این، داده ها و کدها باید به اندازه کافی مجوز داشته
باشند تا دیگران بتوانند کار را بدون بار قانونی قابل توجهی
بازتولید کنند. اجرای تحقیقات تکرارپذیر بسیاری از عناصر لازم
برای انجام و توزیع تحقیقات تکرارپذیر را پوشش می دهد. نحوه
بازتولید دقیق یک نتیجه علمی را توضیح می دهد. این کتاب که به سه
بخش تقسیم شده است، ابزارها، شیوه‌ها و بسترهای انتشار را برای
اطمینان از تکرارپذیری در علوم محاسباتی مورد بحث قرار می‌دهد.
ابزارهای محاسباتی، مانند Sweave، knitr، VisTrails، Sumatra،
CDE، و شیوه های متن باز سیستم Declaratron، شیوه های برنامه
نویسی خوب، گرایش های علم باز، و نقش رایانش ابری در تحقیقات
تکرارپذیر نرم افزار و پلت فرم های روش شناختی، از جمله بسته‌های
نرم‌افزار متن‌باز، پلتفرم RunMyCode و مجلات دسترسی آزاد هر بخش
مشارکت‌های رهبرانی را که نرم‌افزار و سایر محصولاتی را توسعه
داده‌اند ارائه می‌کند که در این زمینه پیشرفت کرده‌اند. مطالب
تکمیلی در www.ImplementingRR.org موجود است
توضیحاتی درمورد کتاب به خارجی
In computational science, reproducibility requires that
researchers make code and data available to others so that the
data can be analyzed in a similar manner as in the original
publication. Code must be available to be distributed, data
must be accessible in a readable format, and a platform must be
available for widely distributing the data and code. In
addition, both data and code need to be licensed permissively enough so that
others can reproduce the work without a substantial legal
burden. Implementing Reproducible Research covers many of the
elements necessary for conducting and distributing reproducible
research. It explains how to accurately reproduce a scientific
result. Divided into three parts, the book discusses the tools,
practices, and dissemination platforms for ensuring
reproducibility in computational science. It describes:
Computational tools, such as Sweave, knitr, VisTrails, Sumatra,
CDE, and the Declaratron system open source practices, good
programming practices, trends in open science, and the role of
cloud computing in reproducible research Software and
methodological platforms, including open source software
packages, RunMyCode platform, and open access journals Each
part presents contributions from leaders who have developed
software and other products that have advanced the field.
Supplementary material is available at
www.ImplementingRR.org. Read
more...
Abstract: In computational science, reproducibility requires
that researchers make code and data available to others so that
the data can be analyzed in a similar manner as in the original
publication. Code must be available to be distributed, data
must be accessible in a readable format, and a platform must be
available for widely distributing the data and code. In
addition, both data and code need to be licensed permissively
enough so that others can reproduce the work without a
substantial legal burden. Implementing Reproducible Research
covers many of the elements necessary for conducting and
distributing reproducible research. It explains how to
accurately reproduce a scientific result. Divided into three
parts, the book discusses the tools, practices, and
dissemination platforms for ensuring reproducibility in
computational science. It describes: Computational tools, such
as Sweave, knitr, VisTrails, Sumatra, CDE, and the Declaratron
system open source practices, good programming practices,
trends in open science, and the role of cloud computing in
reproducible research Software and methodological platforms,
including open source software packages, RunMyCode platform,
and open access journals Each part presents contributions from
leaders who have developed software and other products that
have advanced the field. Supplementary material is available at
www.ImplementingRR.org
فهرست مطالب
Content: Toolsknitr: A Comprehensive Tool for Reproducible Research in R Yihui XieReproducibility Using VisTrails Juliana Freire, David Koop, Fernando Chirigati, and Cludio T. SilvaSumatra: A Toolkit for Reproducible Research Andrew P. Davison, Michele Mattioni, Dmitry Samarkanov, and Bartosz TeleczukCDE: Automatically Package and Reproduce Computational Experiments Philip J. GuoReproducible Physical Science and the Declaratron Peter Murray-Rust and Dave Murray-Rust --
Practices and GuidelinesDeveloping Open-Source Scientific Practice K. Jarrod Millman and Fernando PrezReproducible Bioinformatics Research for Biologists Likit Preeyanon, Alexis Black Pyrkosz, and C. Titus BrownReproducible Research for Large-Scale Data Analysis Holger Hoefling and Anthony RossiniPracticing Open Science Luis Ibanez, William J. Schroeder, and Marcus D. HanwellReproducibility, Virtual Appliances, and Cloud Computing Bill HoweThe Reproducibility Project: A Model of Large-Scale Collaboration for Empirical Research on Reproducibility Open Science Collaboration What Computational Scientists Need to Know about Intellectual Property Law: A Primer Victoria Stodden --
PlatformsOpen Science in Machine Learning Mikio L. Braun and Cheng Soon OngRunMyCode.org: A Research-Reproducibility Tool for Computational Sciences Christophe Hurlin, Christophe Prignon, and Victoria StoddenOpen Science and the Role of Publishers in Reproducible Research Iain Hrynaszkiewicz, Peter Li, and Scott Edmunds --
Index.
