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: Deniz. Fatma, Kitzes. Justin, Turek. Daniel سری: ISBN (شابک) : 9780520967779, 0520294742 ناشر: University of California Press سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب تمرین تحقیق تکرارپذیر: مطالعات موردی و درس هایی از علوم فشرده داده: پردازش داده های الکترونیکی،تحقیقات تکرارپذیر،تحقیق--روش های آماری،آمار--پردازش داده ها،تحقیق-روش های آماری،آمار -- پردازش داده ها
در صورت تبدیل فایل کتاب The practice of reproducible research: case studies and lessons from the data-intensive sciences 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 تمرین تحقیق تکرارپذیر: مطالعات موردی و درس هایی از علوم فشرده داده 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.
«عملیات تحقیقات تکرارپذیر» نمونههای عینی از چگونگی تلاش محققان در علوم مبتنی بر داده برای بهبود تکرارپذیری پروژههای تحقیقاتی خود را ارائه میکند. هر یک از سی و یک مطالعه موردی در این جلد، گردش کاری را که یک نویسنده برای تکمیل آن استفاده کرده است، توصیف میکند. یک پروژه تحقیقاتی در دنیای واقعی، که نشان میدهد چگونه ابزار، ایدهها و شیوههای خاصی برای پشتیبانی از تکرارپذیری ترکیب شدهاند. نویسندگان بر نحوه بسیار عملی، به جای چرایی یا چیستی، انجام تحقیقات تکرارپذیر تأکید میکنند. قسمت 1 شامل مقدمهای قابل دسترسی برای تکرارپذیری است تحقیق، یک الگوی اولیه پروژه تحقیقاتی قابل تکرار، و ترکیبی از درسهای آموختهشده از سی و یک مطالعه موردی. بخشهای 2 و 3 بر مطالعات موردی تمرکز دارند. تمرین تحقیقات تکرارپذیر منبع ارزشمندی برای دانشجویان و محققانی است که مایلند عملکرد علوم مبتنی بر داده را بهتر درک کنند و بیاموزند که چگونه تحقیقات خود را تکرارپذیرتر کنند.\"- ارائه شده توسط ناشر.
"The Practice of Reproducible Research presents concrete examples of how researchers in the data-intensive sciences are working to improve the reproducibility of their research projects. Each of the thirty-one case studies in this volume describes the workflow that an author used to complete a real-world research project, highlighting how particular tools, ideas, and practices have been combined to support reproducibility. Authors emphasize the very practical how, rather than the why or what, of conducting reproducible research. Part 1 contains an accessible introduction to reproducible research, a basic reproducible research project template, and a synthesis of lessons learned from across the thirty-one case studies. Parts 2 and 3 focus on the case studies. The Practice of Reproducible Research is an invaluable resource for students and researchers who wish to better understand the practice of data-intensive sciences and learn how to make their own research more reproducible."--Provided by publisher.
Part I. Practicing reproducibility. Assessing reproducibility / Ariel Rokem, Ben Marwick, and Valentina Staneva
The Basic reproducible workflow template / Justin Kitzes
Case studies in reproducible research / Daniel Turek and Fatma Deniz
Lessons learned / Kathryn Huff
Building toward a future where reproducible, open science is the norm / Karthik Ram and Ben Marwick --
Part II. High-level case studies. Case Study 1. Processing of airborne laser altimetry data using cloud-based Python and relational database tools / Anthony Arendt, Christian Kienholz, Christopher Larsen, Justin Rich, and Evan Burgess
Case Study 2. The trade-off between reproducibility and privacy in the use of social media data to study political behavior / Pablo Barberá
Case Study 3. A reproducibe R Notebook using Docker / Carl Boettiger
Case Study 4. Estimating the effect of soldier deaths on the military labor supply / Garret Christensen
Case Study 5. Turning simulations of Quantum Many-Body Systems into a Provenance-Rich publication / Jan Gukelberger and Matthias Troyer
Case Study 6. Validating statistical methods to detect data fabrication / Chris Hartgerink
Case Study 7. Feature extraction and data wrangling for predictive models of the brain in Python / Chris Holdgraf
Case study 8. Using observational data and numberical modeling to make scientific discoveries in climate science / David Holland and Denise Holland
Case Study 9. Analyzing bat distributions in a human-dominated landscape with autonomous acoustic detectors and machine learning models / Justin Kitzes
Case Study 10. An analysis of household location choice in major US metropolitan areas using R / Andy Krause and Hossein Esteri
Case Study 11. Analyzing cosponsorship data to detect networking patterns in Peruvian legislators / José Manuel Magallanes
Case Study 12. Using R and related tools for reproducible research in archaeology / Ben Marwick
Case Study 13. Achieving full replication of our own published CFD results, with four different codes / Olivier Mesnard and Lorena A. Barba
Case Study 14. Reproducible applied statistics: is tagging of therapist-patient interactions reliable? / K. Jarrod Millman, Kellie Ottoboni, Naomi A.P. Stark, and Philip B. Stark
Case Study 15. A dissection of computational methods used in a biogeographic study / K.A.S. Mislan
Case Study 16. A statistical analysis of salt and mortality at the level of nations / Kellie Ottoboni
Case Study 17. Reproducible workflows for understanding large-scale ecological effects of climate change / Karthik Ram
Case Study 18. Reproducibility in human neuroimaging research: a practical example from the analysis of diffusion MRI / Ariel Rokem
Case Study 19. Reproducible computational science on high-performance computers: a view from neutron transport / Rachel Slaybaugh
Case Study 20. Detection and classification of cervical cells / Daniela Ushizima
Case Study 21. Enabling astronomy image: processing with cloud computing using Apache Spark / Zhao Zhang --
Part III. Low-level case studies. Case Study 22. Software for analyzing supernova light curve data for cosmology / Kyle Barbary
Case Study 23. pyMooney: generating a database of two-tone Mooney images / Fatma Deniz
Case Study 24. Problem-specific analysis of molecular dynamics trajectories for biomolecules / Konrad Hinsen
Case Study 25. Developing an open, modular simulation framework for nuclear fuel cycle analysis / Kathryn Huff
Case Study 26. Producing a journal article on probabilistic tsunami hazard assessment / Randall J. Le Veque
Case Study 27. A reproducible neuroimagining workflow using the automated build tool "Make" / Tara Madhyastha, Natalie Koh, and Mary K. Askren
Case Study 28. Generation of uniform data products for AmeriFlux and FLUXNET / Gilberto Pastorello
Case Study 29. Developing a reproducible workflow for large-scale phenotyping / Russell Poldrack
Case Study 30. Developing and testing stochastic filtering methods for tracking objects in videos / Valentina Staneva
Case Study 31. Developing testing, and deploying efficient MCMC algorithms for hierarchial models using R / Daniel Turek.