Principles of Big Data: Preparing, Sharing, and Analyzing Complex Information

اصول داده های بزرگ به خوانندگان کمک می کند از اشتباهات رایجی که همه پروژه های کلان داده را به خطر می اندازد اجتناب کنند. این کتاب با تأکید بر مفاهیم ساده و اساسی، به خوانندگان می آموزد که چگونه حجم زیادی از داده های پیچیده را سازماندهی کنند و چگونه به پایداری داده ها در زمانی که محتوای داده ها دائماً در حال تغییر است، دست یابند. روش‌های عمومی برای تأیید و اعتبارسنجی داده‌ها، همانطور که به طور خاص برای منابع کلان داده اعمال می‌شود، در سراسر کتاب تأکید شده‌اند. این کتاب نشان می‌دهد که چگونه تحلیلگران ماهر می‌توانند روابطی را بین اشیاء داده‌ای که در منابع کلان داده نگهداری می‌شوند، بیابند، وقتی که اشیاء داده با پشتیبانی معنایی (به عنوان مثال، در کلاس‌هایی از اشیاء داده‌ای با شناسایی منحصربه‌فرد سازمان‌دهی شده‌اند). خوانندگان یاد خواهند گرفت که چگونه داده های آنها را می توان با داده های منابع دیگر ادغام کرد و چگونه داده های استخراج شده از منابع Big Data را می توان برای اهدافی فراتر از آنچه که توسط سازندگان داده تصور می شود استفاده کرد.

. روش های کلی برای تعیین داده های بزرگ به گونه ای که برای انسان ها و رایانه ها قابل درک باشد را بیاموزید.

. از مشکلات در طراحی و تجزیه و تحلیل داده های بزرگ اجتناب کنید.

. با مجموعه ای از قوانین، مقررات و استانداردهای اخلاقی که برای کسب، توزیع و ادغام منابع کلان داده اعمال می شود، نحوه ایجاد و استفاده ایمن و مسئولانه از Big Data را بدانید.

Principles of Big Data helps readers avoid the common mistakes that endanger all Big Data projects. By stressing simple, fundamental concepts, this book teaches readers how to organize large volumes of complex data, and how to achieve data permanence when the content of the data is constantly changing. General methods for data verification and validation, as specifically applied to Big Data resources, are stressed throughout the book. The book demonstrates how adept analysts can find relationships among data objects held in disparate Big Data resources, when the data objects are endowed with semantic support (i.e., organized in classes of uniquely identified data objects). Readers will learn how their data can be integrated with data from other resources, and how the data extracted from Big Data resources can be used for purposes beyond those imagined by the data creators.

. Learn general methods for specifying Big Data in a way that is understandable to humans and to computers.

. Avoid the pitfalls in Big Data design and analysis.

. Understand how to create and use Big Data safely and responsibly with a set of laws, regulations and ethical standards that apply to the acquisition, distribution and integration of Big Data resources.