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: Nanna Bonde Thylstrup, Daniela Agostinho, Annie Ring, Catherine D'Ignazio, Kristin Veel سری: ISBN (شابک) : 0262539888 ناشر: The MIT Press سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Uncertain Archives: Critical Keywords for 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 آرشیوهای نامشخص: کلیدواژه های مهم برای داده های بزرگ 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.
محققان از طیف وسیعی از رشتهها، اصطلاحات مربوط به مطالعات انتقادی دادههای بزرگ، از سوء استفاده و تجمیع تا تجسم و آسیبپذیری را مورد بازجویی قرار میدهند. این کار راهگشا، دیدگاهی بین رشته ای را در مورد کلان داده ها ارائه می دهد و اصطلاحات کلیدی را مورد بازجویی قرار می دهد. محققان از طیف وسیعی از رشتهها مفاهیم مرتبط با مطالعات انتقادی دادههای بزرگ را مورد بازجویی قرار میدهند - سبک واژهنامه مرتب، از سوء استفاده و جمعآوری گرفته تا تجسم و آسیبپذیری - هر دو به چالش کشیدن استفاده مرسوم از اصطلاحات پرکاربرد مانند پیشبینی و عینیت و معرفی چنین ناآشنا. آنهایی که به عنوان overfitting و copynorm هستند. مشارکت کنندگان شامل هر دو محقق برجسته، از جمله N. Katherine Hayles، Johanna Drucker و Lisa Gitelman، و محققین نوظهوری مانند Safiya Noble، Sarah T. Roberts و Nicole Starosielski هستند.
Scholars from a range of disciplines interrogate terms relevant to critical studies of big data, from abuse and aggregate to visualization and vulnerability. This pathbreaking work offers an interdisciplinary perspective on big data, interrogating key terms. Scholars from a range of disciplines interrogate concepts relevant to critical studies of big data--arranged glossary style, from from abuse and aggregate to visualization and vulnerability--both challenging conventional usage of such often-used terms as prediction and objectivity and introducing such unfamiliar ones as overfitting and copynorm. The contributors include both leading researchers, including N. Katherine Hayles, Johanna Drucker and Lisa Gitelman, and such emerging agenda-setting scholars as Safiya Noble, Sarah T. Roberts and Nicole Starosielski.