دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Bhabani Shankar Prasad Mishra, Satchidananda Dehuri, Euiwhan Kim, Gi-Name Wang (eds.) سری: Studies in Big Data 17 ISBN (شابک) : 9783319275185, 9783319275208 ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: 199 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب تکنیک ها و محیط های تجزیه و تحلیل داده های بزرگ: محاسبات موازی ، ابری و شبکه ای: هوش محاسباتی، داده کاوی و کشف دانش، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Techniques and Environments for Big Data Analysis: Parallel, Cloud, and Grid Computing 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 تکنیک ها و محیط های تجزیه و تحلیل داده های بزرگ: محاسبات موازی ، ابری و شبکه ای 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.
این جلد با ارائه پیشرفتهای اخیر در زمینههای تجزیه و تحلیل دادههای بزرگ و همچنین تکنیکها و ابزارهای مورد استفاده برای تجزیه و تحلیل آن، طیف وسیعی از خوانندگان و محققان در حوزه دادههای بزرگ را هدف قرار داده است. این کتاب شامل 10 فصل مجزا است که مقدمه ای مختصر بر تجزیه و تحلیل داده های بزرگ و تکنیک ها و محیط های اخیر برای تجزیه و تحلیل کلان داده ها ارائه می دهد. این بینشی را در مورد اینکه چگونه ارزیابی تناسب اندام پرهزینه یادگیری تکاملی میتواند نقش حیاتی در تجزیه و تحلیل کلان دادهها با اتخاذ محیطهای محاسباتی موازی، شبکهای و ابری ایفا کند، میدهد.
This volume is aiming at a wide range of readers and researchers in the area of Big Data by presenting the recent advances in the fields of Big Data Analysis, as well as the techniques and tools used to analyze it. The book includes 10 distinct chapters providing a concise introduction to Big Data Analysis and recent Techniques and Environments for Big Data Analysis. It gives insight into how the expensive fitness evaluation of evolutionary learning can play a vital role in big data analysis by adopting Parallel, Grid, and Cloud computing environments.
Front Matter....Pages i-xi
Introduction to Big Data Analysis....Pages 1-20
Parallel Environments....Pages 21-30
A Deep Dive into the Hadoop World to Explore Its Various Performances....Pages 31-51
Natural Language Processing and Machine Learning for Big Data....Pages 53-74
Big Data and Cyber Foraging: Future Scope and Challenges....Pages 75-100
Parallel GA in Big Data Analysis....Pages 101-111
Evolutionary Algorithm Based Techniques to Handle Big Data....Pages 113-158
Statistical and Evolutionary Feature Selection Techniques Parallelized Using MapReduce Programming Model....Pages 159-180
The Role of Grid Technologies: A Next Level Combat with Big Data....Pages 181-191