برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Project Analytics : A Learning based Approach

دانلود کتاب تجزیه و تحلیل پروژه: یک رویکرد مبتنی بر یادگیری

مشخصات کتاب

Project Analytics : A Learning based Approach

دسته بندی: مدیریت: مدیریت پروژه
ویرایش: 1 
نویسندگان: Sumit Chakraborty  
سری:  
 
ناشر: Business Analytics Research Lab India 
سال نشر: 2016 
تعداد صفحات: 25 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 356 کیلوبایت

قیمت کتاب (تومان) : 35,000

کلمات کلیدی مربوط به کتاب تجزیه و تحلیل پروژه: یک رویکرد مبتنی بر یادگیری: تجزیه و تحلیل پروژه

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 4

در صورت تبدیل فایل کتاب Project Analytics : A Learning based Approach 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 تجزیه و تحلیل پروژه: یک رویکرد مبتنی بر یادگیری 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 تجزیه و تحلیل پروژه: یک رویکرد مبتنی بر یادگیری

چکیده: مدل‌های کلاسیک مسائل زمان‌بندی پروژه با محدودیت منابع، به دلیل افزایش پیچیدگی‌ها و عدم قطعیت‌ها، برای حل مسائل دنیای واقعی کافی نیستند. تجزیه و تحلیل هوشمند پروژه برای مشکلات زمانبندی پروژه پیچیده، فازی، تصادفی، چند حالته، منابع محدود با اهداف متعدد ضروری است. این کار به بررسی چگونگی به کارگیری مفهوم تحلیل عمیق هوشمند برای مدیریت پروژه می پردازد. مدیریت کارآمد پروژه مستلزم هماهنگی و یکپارچگی بین هفت عنصر مرتبط با یک پروژه مانند محدوده (نوآوری، اهداف، محدودیت ها)، سیستم (فناوری)، ساختار (پیچیدگی)، کارکنان، مهارت (نوآوری، طراحی، SCM، ERP) و سبک است. (سرعت، رهبری)، امنیت (تحلیل تهدید، ارزیابی ریسک و کاهش) و استراتژی (چشم انداز مشترک، ارتباطات). این کار یک مکانیسم تجزیه و تحلیل پروژه الگوریتمی (PAM) را از نظر عوامل، ورودی، خروجی، حرکات استراتژیک، الگوریتم برنامه‌ریزی مبتنی بر مورد، معیارهای عملکرد، اصل افشاگری، پروتکل‌های تأیید برای اطلاعات امنیتی و عملکرد پرداخت ارائه می‌کند. هوش PAM از طریق مجموعه ای از حرکات استراتژیک مانند برنامه ریزی مبتنی بر مورد، مشارکتی، امنیتی و اطلاعات جمعی مورد بررسی قرار می گیرد. پیچیدگی تجزیه و تحلیل از نظر هزینه محاسباتی و تجزیه و تحلیل امنیتی تجزیه و تحلیل می شود. به طور سنتی، بار محاسباتی برنامه ریزی پروژه به کارایی الگوریتم جستجوی اکتشافی برای یافتن مسیر بحرانی یک پروژه بستگی دارد. اما، ممکن است عدم قطعیت ها، خطرات و پیچیدگی های موجود در یک پروژه دنیای واقعی را در بر نگیرد. پیچیدگی محاسباتی PAM با کارایی استدلال مبتنی بر مورد (CBR) یعنی الگوریتم‌های بازیابی مورد و انطباق مورد مرتبط است. برنامه ریزی مبتنی بر مورد، طرح مرجع را از پایه موردی از طریق مکانیسم بازیابی و انطباق کارآمد مورد جستجو می کند. تطبیق 100% در بازیابی مورد مشکل سخت NP است. به طور سنتی، بسیاری از الگوریتم‌های CBP سعی کرده‌اند تطابق دقیق بین نمودارهای منابع و شبکه پروژه با زمان محدود را پیدا کنند. ممکن است عملا غیر ممکن باشد. هدف اصلی الگوریتم K-Nearest Neighbor Search در PAM، جستجوی تطابق تقریبی بین همسایگان است. تجزیه و تحلیل پروژه عملکرد پروژه را نظارت می کند و برنامه مرجع را تنظیم می کند. اصل وحی حریم خصوصی قراردادها و عملکرد پرداخت را از طریق رمزگذاری حفظ می کند. این کار همچنین ساختار تجزیه و تحلیل پروژه های هوشمند را از نظر محاسبات، ارتباطات، داده ها، برنامه کاربردی و طرحواره امنیتی ترسیم می کند. مفهوم تجزیه و تحلیل پروژه عمیق و PAM برای تجزیه و تحلیل سه مورد آزمایشی - پروژه دهکده هوشمند، پروژه شهر هوشمند و مدیریت پروژه نرم افزاری به کار گرفته شده است. کلمات کلیدی: تجزیه و تحلیل پروژه، تجزیه و تحلیل عمیق، PAM، برنامه ریزی مبتنی بر مورد، بازیابی مورد، سازگاری موردی، دهکده های هوشمند، شهرهای هوشمند، مدیریت پروژه نرم افزاری

توضیحاتی درمورد کتاب به خارجی

Abstract : Classical models of resource constrained project scheduling problems are not adequate to solve real world problems due to increased complexities and uncertainties. Intelligent project analytics are essential for complex, fuzzy, stochastic, multi-mode, resource constrained project scheduling problems with multiple objectives. This work explores how to apply the concept of intelligent deep analytics for project management. Efficient project management requires coordination and integration among seven elements associated with a project such as Scope (novelty, objectives, constraints), System (technology), Structure (complexity), Staff, Skill (innovation, design, SCM, ERP) &, Style (pace, leadership), Security (threat analysis, risk assessment and mitigation) and Strategy (shared vision, communication). This work presents an algorithmic Project Analytics Mechanism (PAM) in terms of agents, input, output, strategic moves, case based planning algorithm, performance metrics, revelation principle, verification protocols for security intelligence and payment function. The intelligence of PAM is explored through a set of strategic moves such as case based planning, collaborative, security and collective intelligence. The complexity of the analytics is analyzed in terms of computational cost and security analysis. Traditionally, the computational burden of project planning depends on the efficiency of heuristic search algorithm to find out the critical path of a project. But, it may not capture the uncertainties, risks and complexities involved in a real world project. The computational complexity of PAM is associated with the efficiency of case based reasoning (CBR) i.e. case retrieval and case adaptation algorithms. Case based planning searches reference plan from a case base through efficient case retrieval and adaptation mechanism. 100% matching in case retrieval is a NP hard problem. Traditionally, many CBP algorithms have tried to find exact matching between the graphs of resource and time constrained project network. It may be practically infeasible. The basic objective of K-Nearest Neighbor Search algorithm in PAM is to search for approximate matching among the neighbors. The project analytics monitor project performance and adjusts the reference plan. The revelation principle preserves the privacy of contracts and payment function through signcryption. This work also outlines the architecture of an intelligent project analytics in terms of computing, communication, data, application and security schema. The concept of deep project analytics and PAM has been applied to analyze three test cases – smart village project, smart city project and software project management. Keywords : Project analytics, Deep Analytics, PAM, Case based planning, Case retrieval, Case adaptation, Smart villages, Smart cities, Software project management

فهرست مطالب

Section 1 defines the problem of project management. Section 2 describes 7-S deep Project analytics model. Section 3 presents project analytics mechanism (PAM). Section 4 performs the complexity analysis. Section 5 concludes the work by depicting system architecture of project analytics.