دانلود کتاب Big Data Analytics: A Practical Guide for Managers (به فارسی: تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران) نوشته شده توسط «Kim H. Pries – Robert Dunnigan»
اطلاعات کتاب تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران
موضوع اصلی: کامپیوتر – سایبرنتیک
نوع: کتاب الکترونیکی
ناشر: Auerbach Publications
نویسنده: Kim H. Pries – Robert Dunnigan
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2015
تعداد صفحه: 576 / 564
حجم فایل: 9.45 مگابایت
کد کتاب: 1482234513 , 9781482234510
توضیحات کتاب تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران
با این کتاب، ابزارهایی به مدیران و تصمیم گیرندگان داده می شود تا تصمیمات آگاهانه تری در مورد طرح های خرید کلان داده اتخاذ کنند. تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران نه تنها توضیحاتی درباره ابزارهای رایج ارائه می دهد، بلکه محصولات و فروشندگان مختلفی را که بازار کلان داده را عرضه می کنند بررسی می کند.
مقایسه و مقایسه انواع مختلف تجزیه و تحلیل که معمولا با بزرگ انجام می شود. داده ها، این مرجع قابل دسترس توضیحات واضحی از عملکرد کلی ابزارهای کلان داده ارائه می دهد. به جای صرف زمان برای نحوه نصب بسته‌های خاص، بر دلایلی تمرکز می‌کند که چرا خوانندگان یک بسته معین را نصب می‌کنند.
این کتاب راهنمایی معتبری در مورد طیف وسیعی از ابزارها، از جمله سیستم‌های منبع باز و اختصاصی ارائه می‌دهد. این جزئیات نقاط قوت و ضعف ترکیب تجزیه و تحلیل کلان داده در تصمیم‌گیری را توضیح می‌دهد و نحوه استفاده از نقاط قوت را در عین کاهش نقاط ضعف توضیح می‌دهد.
- مزایای محاسبات توزیع‌شده را به زبان ساده توضیح می‌دهد
- شامل مواد فروشنده/ابزار قابل توجهی است، به ویژه برای تصمیم گیری های منبع باز
- بسته های نرم افزاری برجسته، از جمله Hadoop و Oracle Endeca را پوشش می دهد
- برنامه های کاربردی یادگیری ماشین و GIS را بررسی می کند
- مسائل مربوط به حفظ حریم خصوصی و نظارت را در نظر می گیرد
این کتاب بیشتر به بررسی مفاهیم اساسی آماری می پردازد که در صورت استفاده نادرست، می تواند منبع خطا باشد. بارها و بارها، کلان داده به عنوان اوادی تلقی می شود که نتایجی را کشف می کند که هیچ کس تصورش را نمی کرد. در حالی که داده های بزرگ می توانند این عملکرد ارزشمند را انجام دهند، اغلب این نتایج نادرست هستند، اما همچنان بدون شک گزارش می شوند. احتمال نتایج اشتباه با مقایسه تعداد بیشتری از متغیرها افزایش می‌یابد مگر اینکه اقدامات پیشگیرانه انجام شود.
رویکرد اتخاذ شده توسط نویسندگان این است که این مفاهیم را توضیح دهند تا مدیران بتوانند سوالات بهتری را از تحلیلگران و فروشندگان خود بپرسند. به مناسب بودن روش های مورد استفاده برای رسیدن به نتیجه. از آنجایی که دنیای علم و پزشکی با مسائل مشابهی در انتشار مطالعات دست و پنجه نرم می‌کند، نویسندگان از تلاش‌های آنها استفاده می‌کنند و آنها را برای داده‌های بزرگ به کار می‌برند.
With this book, managers and decision makers are given the tools to make more informed decisions about big data purchasing initiatives. Big Data Analytics: A Practical Guide for Managers not only supplies descriptions of common tools, but also surveys the various products and vendors that supply the big data market.
Comparing and contrasting the different types of analysis commonly conducted with big data, this accessible reference presents clear-cut explanations of the general workings of big data tools. Instead of spending time on HOW to install specific packages, it focuses on the reasons WHY readers would install a given package.
The book provides authoritative guidance on a range of tools, including open source and proprietary systems. It details the strengths and weaknesses of incorporating big data analysis into decision-making and explains how to leverage the strengths while mitigating the weaknesses.
- Describes the benefits of distributed computing in simple terms
- Includes substantial vendor/tool material, especially for open source decisions
- Covers prominent software packages, including Hadoop and Oracle Endeca
- Examines GIS and machine learning applications
- Considers privacy and surveillance issues
The book further explores basic statistical concepts that, when misapplied, can be the source of errors. Time and again, big data is treated as an oracle that discovers results nobody would have imagined. While big data can serve this valuable function, all too often these results are incorrect, yet are still reported unquestioningly. The probability of having erroneous results increases as a larger number of variables are compared unless preventative measures are taken.
The approach taken by the authors is to explain these concepts so managers can ask better questions of their analysts and vendors as to the appropriateness of the methods used to arrive at a conclusion. Because the world of science and medicine has been grappling with similar issues in the publication of studies, the authors draw on their efforts and apply them to big data.
دانلود کتاب «تجزیه و تحلیل داده های بزرگ: راهنمای عملی برای مدیران»
