Large-Scale Data Analytics

این کتاب ویرایش شده جدیدترین تحقیقات مربوط به تجزیه و تحلیل داده های مقیاس بزرگ را که در چند سال گذشته انجام شده است، جمع آوری می کند. این یکی از اولین کتاب‌هایی است که بر اساس مشارکت‌های حوزه‌های علمی مختلف مانند پایگاه‌های داده، داده‌کاوی، ابررایانه‌ها، معماری سخت‌افزار، تجسم داده‌ها، آمار و حریم خصوصی به این حوزه مهم اختصاص داده شده است.

نیاز روزافزونی به این زمینه وجود دارد. رویکردها و فن‌آوری‌های جدیدی که می‌توانند مقادیر بسیار زیادی از داده‌ها را به ترتیب پتابایت که توسط منابع داده با توزیع انبوه تولید می‌شوند، تجزیه و تحلیل و ترکیب کنند. این نیاز به معماری های توزیع شده جدید برای تجزیه و تحلیل داده ها دارد. علاوه بر این، ناهمگونی چنین منابعی چالش‌های مهمی را برای تجزیه و تحلیل کارآمد داده‌ها تحت محدودیت‌های متعدد، از جمله یکپارچه‌سازی داده‌ها، همگن‌سازی و مقیاس‌گذاری داده‌ها، حفظ حریم خصوصی و امنیت تحمیل می‌کند. نویسندگان همچنین درک خوانندگان را از برنامه‌های کاربردی دنیای واقعی در حوزه‌هایی مانند مدل‌سازی رفتار مشتری، استخراج نمودار، ارتباطات راه دور، امنیت سایبری و تجزیه و تحلیل شبکه‌های اجتماعی گسترش می‌دهند، که همگی الزامات اضافی را برای تجزیه و تحلیل داده‌های در مقیاس بزرگ تحمیل می‌کنند.

تجزیه و تحلیل داده های مقیاس بزرگ در 8 فصل سازماندهی شده است که هر فصل یک بررسی از جهت مهم تجزیه و تحلیل داده در مقیاس بزرگ یا نتایج فردی تحقیقات در حال ظهور در این زمینه را ارائه می دهد. این کتاب تحقیقات کلیدی اخیر را ارائه می‌کند که به شکل‌دهی آینده تجزیه و تحلیل داده‌های مقیاس بزرگ کمک می‌کند و راه را برای طراحی رویکردها و فناوری‌های جدیدی که می‌توانند مقادیر بسیار زیادی از داده‌های ناهمگن را تجزیه و تحلیل و ترکیب کنند، هدایت می‌کند. دانشجویان، محققان، متخصصان و متخصصان این کتاب را منبعی معتبر و جامع خواهند یافت.

This edited book collects state-of-the-art research related to large-scale data analytics that has been accomplished over the last few years. This is among the first books devoted to this important area based on contributions from diverse scientific areas such as databases, data mining, supercomputing, hardware architecture, data visualization, statistics, and privacy.

There is increasing need for new approaches and technologies that can analyze and synthesize very large amounts of data, in the order of petabytes, that are generated by massively distributed data sources. This requires new distributed architectures for data analysis. Additionally, the heterogeneity of such sources imposes significant challenges for the efficient analysis of the data under numerous constraints, including consistent data integration, data homogenization and scaling, privacy and security preservation. The authors also broaden reader understanding of emerging real-world applications in domains such as customer behavior modeling, graph mining, telecommunications, cyber-security, and social network analysis, all of which impose extra requirements for large-scale data analysis.

Large-Scale Data Analytics is organized in 8 chapters, each providing a survey of an important direction of large-scale data analytics or individual results of the emerging research in the field. The book presents key recent research that will help shape the future of large-scale data analytics, leading the way to the design of new approaches and technologies that can analyze and synthesize very large amounts of heterogeneous data. Students, researchers, professionals and practitioners will find this book an authoritative and comprehensive resource.