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:
نویسندگان: Juan J. Cuadrado-Gallego Yuri Demchenko
سری:
ISBN (شابک) : 3030510220, 9783030510220
ناشر: Springer
سال نشر: 2020
تعداد صفحات: 210
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 Mb
در صورت تبدیل فایل کتاب The Data Science Framework: A View from the EDISON Project 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 چارچوب علم داده: نمایی از پروژه ادیسون 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 کتاب ویرایش شده ابتدا نتایج پروژه EDISON با بودجه اتحادیه اروپا (آموزش برای علم فشرده داده برای باز کردن مرزهای علوم جدید) را ادغام می کند، که مواد آموزشی و اطلاعاتی را برای کمک به مربیان، مربیان، کارفرمایان و مدیران زیرساخت های تحقیقاتی در شناسایی ایجاد کرده است. ، استخدام و الهام بخشیدن به متخصصان علوم داده در آینده. سپس ارائه اطلاعات و دانش بهدستآمده را عمیقتر میکند تا امکان جذب آسانتر توسط خواننده فراهم شود.
فصلهای ارائهشده به ترتیب ارائه میشوند و هر فصل از نقطه
پایانی فصل قبل برداشته میشود. پس از بررسی اجمالی کتاب و
پروژه اولیه، فصلها شایستگیهای مربوط به علم داده و مجموعه
دانش، برنامه درسی مدل مورد نیاز برای آموزش مبانی مورد نیاز،
پروفایلهای متخصصان در این حوزه، و موارد و کاربردهای کاربردی
را ارائه میکنند. متن با ضمائم مربوط به مدلهای فرآیند مرتبط
پشتیبانی میشود.
این کتاب را میتوان برای توسعه دورههای جدید در علم داده،
ارزیابی ماژولها و دورههای موجود، پیشنویس شرح وظایف، و
برنامهریزی و طراحی دادههای کارآمد استفاده کرد. -تیم های
تحقیقاتی فشرده در سراسر رشته های علمی.
This edited book first consolidates the results of the EU-funded EDISON project (Education for Data Intensive Science to Open New science frontiers), which developed training material and information to assist educators, trainers, employers, and research infrastructure managers in identifying, recruiting and inspiring the data science professionals of the future. It then deepens the presentation of the information and knowledge gained to allow for easier assimilation by the reader.
The contributed chapters are presented in sequence, each
chapter picking up from the end point of the previous one.
After the initial book and project overview,
the chapters present the relevant data science
competencies and body of knowledge, the model curriculum
required to teach the required foundations, profiles of
professionals in this domain, and use cases and applications.
The text is supported with appendices on related process
models.
The book can be used to develop new courses in data science,
evaluate existing modules and courses, draft job
descriptions, and plan and design efficient data-intensive
research teams across scientific disciplines.