ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 The Illusion of Control: Project Data, Computer Algorithms and Human Intuition for Project Management and Control

دانلود کتاب توهم کنترل: داده های پروژه، الگوریتم های کامپیوتری و شهود انسانی برای مدیریت و کنترل پروژه

The Illusion of Control: Project Data, Computer Algorithms and Human Intuition for Project Management and Control

مشخصات کتاب

The Illusion of Control: Project Data, Computer Algorithms and Human Intuition for Project Management and Control

ویرایش:  
نویسندگان:   
سری: Management for Professionals 
ISBN (شابک) : 303131784X, 9783031317842 
ناشر: Springer 
سال نشر: 2023 
تعداد صفحات: 330
[331] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

قیمت کتاب (تومان) : 34,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب The Illusion of Control: Project Data, Computer Algorithms and Human Intuition for Project Management and Control 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 توهم کنترل: داده های پروژه، الگوریتم های کامپیوتری و شهود انسانی برای مدیریت و کنترل پروژه 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 توهم کنترل: داده های پروژه، الگوریتم های کامپیوتری و شهود انسانی برای مدیریت و کنترل پروژه

این کتاب به طور جامع اهمیت رو به رشد داده های پروژه را برای برنامه ریزی پروژه، تجزیه و تحلیل ریسک و کنترل ارزیابی می کند. این موضوع ارتباط داده‌های پروژه را هم برای محققان و هم برای متخصصان مورد بحث قرار می‌دهد و نشان می‌دهد که چرا جمع‌آوری، پردازش و استفاده از چنین داده‌هایی آنطور که اکثر مردم فکر می‌کنند ساده نیست. موضوع این کتاب در ادبیات به عنوان مدیریت پروژه داده محور شناخته می شود و شامل بحث استفاده از الگوریتم های کامپیوتری، شهود انسانی و داده های پروژه برای مدیریت پروژه های در معرض خطر است. این کتاب مؤلفه‌های اساسی مدیریت پروژه مبتنی بر داده را با خلاصه کردن روش‌های پیشرفته فعلی، از جمله آخرین الگوریتم‌های کامپیوتری و یادگیری ماشینی و متدولوژی‌های آماری، برای ریسک و کنترل پروژه مرور می‌کند. اهمیت داده های پروژه مصنوعی برای دانشگاهیان را برجسته می کند و الزامات خاصی را که چنین داده هایی باید برآورده کنند، شرح می دهد. به نوبه خود، این کتاب طیف گسترده ای از روش های آماری موجود برای تولید این داده های مصنوعی را مورد بحث قرار می دهد و نشان می دهد که چگونه به محققان کمک کرده اند تا الگوریتم ها و ابزارهایی را برای بهبود تصمیم گیری در مدیریت پروژه توسعه دهند. علاوه بر این، ارتباط داده های پروژه را از دیدگاه حرفه ای بررسی می کند و توضیح می دهد که چگونه متخصصان باید داده های تجربی پروژه را برای تصمیم گیری بهتر جمع آوری کنند. در نهایت، این کتاب رویکرد جدیدی را برای جمع‌آوری، تولید و تجزیه و تحلیل داده‌ها برای ایجاد پایگاه‌های داده پروژه معرفی می‌کند و آن را برای محققان دانشگاهی و مدیران حرفه‌ای پروژه به طور یکسان مرتبط می‌سازد.


توضیحاتی درمورد کتاب به خارجی

This book comprehensively assesses the growing importance of project data for project scheduling, risk analysis and control. It discusses the relevance of project data for both researchers and professionals, and illustrates why the collection, processing and use of such data is not as straightforward as most people think. The theme of this book is known in the literature as data-driven project management and includes the discussion of using computer algorithms, human intuition, and project data for managing projects under risk. The book reviews the basic components of data-driven project management by summarizing the current state-of-the-art methodologies, including the latest computer and machine learning algorithms and statistical methodologies, for project risk and control. It highlights the importance of artificial project data for academics, and describes the specific requirements such data must meet. In turn, the book discusses a wide variety of statistical methods available to generate these artificial data and shows how they have helped researchers to develop algorithms and tools to improve decision-making in project management. Moreover, it examines the relevance of project data from a professional standpoint and describes how professionals should collect empirical project data for better decision-making. Finally, the book introduces a new approach to data collection, generation, and analysis for creating project databases, making it relevant for academic researchers and professional project managers alike.



فهرست مطالب

Preface
Acknowledgements
Contents
Part I Data-Driven Project Management
1 About This Book
	1.1 Theory and Practice
	1.2 Data and People
	1.3 Book Outline
	1.4 Keep Reading
	References
2 Each Book Tells a Story
	2.1 Bookstore
	2.2 Only a Click Away
	2.3 Keep Writing
	References
3 The Data-Driven Project Manager
	3.1 Three Components
	3.2 A Reference Point
	3.3 The Beauty of Details
	3.4 Literature (in a Nutshell)
	References
Part II What Academics Do
4 Understanding
	4.1 Measuring Time
	4.2 Shedding New Light
	4.3 Thank You, Tony
	References
5 Wisdom
	5.1 Tolerance Limits
	5.2 Control Points
	5.3 Signal Quality
	5.4 Mission Accomplished
	References
6 Learning
	6.1 Schedule
	6.2 Risk
	6.3 Control
	6.4 Torture
	References
Part III What Professionals Want
7 Control Efficiency
	7.1 Effort of Control
		Top-Down Project Control
		Bottom-up Project Control
	7.2 Quality of Actions
	7.3 Accuracy Pays Off
	7.4 Empirical Evidence
	7.5 The Control Room
	Afterthought
	References
8 Analytical Project Control
	8.1 Project Control Methods (Revisited)
	8.2 Best of Both Worlds
	8.3 The Signal (Not the Noise)
	8.4 Hope and Dream
	References
9 Reference Class Forecasting
	9.1 Outside View
	9.2 Construction Project (Study 1)
	9.3 Hybrid Approach (Study 2)
	9.4 Similarity Properties (Study 3)
	9.5 Thank You, Bent
	References
Part IV About Project Data
10 Project Data
	10.1 Where Are We Now?
	10.2 Two Types of Project Data
	Reference
11 Artificial Projects
	11.1 Random Data
	11.2 Structured Data
	11.3 Generating Data
	11.4 Twilight Zone
	11.5 Data and Algorithms
	11.6 Diverse Data
	11.7 Core Data
	11.8 Equivalent Data
	11.9 From a Distance
	11.10 Final Words
	References
12 Progress Data
	12.1 Imagination
	12.2 Variation Model
	12.3 Risk Model
	12.4 Scenario Model
	12.5 Fiction
	References
13 Empirical Projects
	13.1 Curiosity
	13.2 Classification
	13.3 New Library
	13.4 Reality
	References
14 Calibrating Data
	14.1 Calibrating Data
	14.2 Partitioning Heuristic
	14.3 Human Partitioning (the rider)
	14.4 Automatic Partitioning (the horse)
	14.5 Calibration Results
	14.6 Conclusion
	References
15 More Data
	15.1 Resources
	15.2 Modes
	15.3 Subgraphs
	15.4 Skills
	15.5 Reality
	15.6 Portfolio
	References
Part V Afterword
16 The Perfect Researcher
	16.1 Doubt
	16.2 Ignorance
	16.3 Wildness
	16.4 Serendipity
	References
A Operations Research & Scheduling Group
B Earned Value Management (Glossary)
C Properties of Similarity
D Patterson Format
E Network and Resource Indicators
F Network  Resources = NetRes
G Example Project Card
H OR&S Project Datasets
	References




نظرات کاربران