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
دسته بندی: پایگاه داده ها ویرایش: نویسندگان: Gary Smith. Jay Cordes سری: ISBN (شابک) : 9780198864165 ناشر: Oxford University Press سال نشر: 2020 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب The Phantom Pattern Problem: The Mirage of Big Data 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 مسئله الگوی شبح: سراب داده های کلان 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.
قدرت تشخیص الگو به خوبی به اجداد ما خدمت کرده است، اما امروز ما با سیل دادههایی مواجه هستیم که بسیار انتزاعیتر، پیچیدهتر، و تفسیر آن دشوار است. تعداد الگوهای احتمالی قابل شناسایی نسبت به تعداد واقعی مفید به طور تصاعدی افزایش یافته است - به این معنی که شانس مفید بودن یک الگوی کشف شده به سرعت به صفر نزدیک می شود. الگوهای موجود در داده ها اغلب به عنوان مدرک استفاده می شوند، اما چگونه می توانید تشخیص دهید که آیا این شواهد ارزش باور کردن دارند یا خیر؟ ما به سختی میتوانیم به الگوها توجه کنیم و فکر کنیم که الگوهایی که متوجه میشویم معنادار هستند. رگهها، خوشهها و همبستگیها هنجار هستند، نه استثنا. چالش ما این است که بر تمایل موروثی خود غلبه کنیم که فکر کنیم همه الگوها مهم هستند، زیرا در این عصر داده های بزرگ الگوهای اجتناب ناپذیر و معمولاً تصادفی هستند. از طریق مثالهای بیشماری، مسئله الگوی فانتوم یک مطالعه جذاب است که به ما کمک میکند از فریب دادهها، فریب خوردن استراتژیهای سرمایهگذاری بیارزش یا ترس از دریافت واکسن جلوگیری کنیم.
Pattern-recognition prowess served our ancestors well, but today we are confronted by a deluge of data that is far more abstract, complicated, and difficult to interpret. The number of possible patterns that can be identified relative to the number that are genuinely useful has grown exponentially - which means that the chances that a discovered pattern is useful is rapidly approaching zero. Patterns in data are often used as evidence, but how can you tell if that evidence is worth believing? We are hard-wired to notice patterns and to think that the patterns we notice are meaningful. Streaks, clusters, and correlations are the norm, not the exception. Our challenge is to overcome our inherited inclination to think that all patterns are significant, as in this age of Big Data patterns are inevitable and usually coincidental. Through countless examples, The Phantom Pattern Problem is an engaging read that helps us avoid being duped by data, tricked into worthless investing strategies, or scared out of getting vaccinations.