‍ 📚 معرفی کتاب
“Big Data Systems: A 360-degree Approach "
✍️ نویسنده: Jawwad Ahmed Shamsi, Muhammad Ali Khojaye
✍️ سال انتشار: 2021
✍️انتشارات: CRC Press
📌 کتاب سیستم‌های عظیم داده: یک رویکرد 360 درجه ای
📌 سیستم‌های عظیم داده شامل چالش‌های سنگینی مرتبط با پراکندگی داده، مکانیزم‌های ذخیره سازی و نیازمندی‌های توان محاسباتی می‌شوند. علاوه بر این، قابلیت‌های عظیم داده با توجه به نوع مسائل فرق می‌کند. برای مثال، سیستم‌های توزیع شده مموری برای الگوريتم‌های تکرار شونده مناسب نیستند. به طور مشابه، تفاوت در سیستم‌های عظیم داده با توجه به سازگاری و آستانه تحمل خطا نیز ایجاد می‌شوند.
📌هدف این کتاب، ارائه توضیحات مفصل از سیستم‌های عظیم داده است. کتاب، موضوعات مختلفی شامل شبکه سازی، امنیت، حریم خصوصی، ذخیره سازی، محاسبات، محاسبات ابری، سیستم های NoSQL و NewSQL، محاسبات با عملکرد بالا و یادگیری عمیق را شامل می‌شود. یک رویکرد تصویری و کاربردی برای این منظور به کار گرفته شده است.
📌ویژگی های کلیدی کتاب عبارتند از:
▫️معرفی مفاهیم و تکامل فناوری عظیم داده
▫️ارائه مثال های نمایشی برای فهم موضوع
▫️شامل مثال‌های برنامه‌نویسی برای توسعه عملی
▫️توضیح موضوعات مختلف شامل شبکه سازی، امنیت، حریم خصوصی، ذخیره سازی، محاسبات، محاسبات ابری، سیستم های NoSQL و NewSQL، محاسبات با عملکرد بالا و یادگیری عمیق
▫️ارائه مثال در خصوص فناوری‌های مشهور و استفاده شده عظیم داده مانند هدوپ و اسپارک
▫️شامل بحث در خصوص مطالعات موردی و مسائل باز
▫️ارائه سوالات در پایان هر فصل جهت بهبود یادگیری

📌برای دریافت کتاب به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/a74619

#معرفی_کتاب
#عظیم_داده
#میثم_عسگری

@BigData_BusinessAnalytics
www.bdbanalytics.ir

‍ 📚 معرفی کتاب

“Artificial Intelligence in Practice: How 50 Successful Companies Used Artificial Intelligence to Solve Problems "

✍️ نویسنده: برنارد مار، مت وارد
✍️ سال انتشار: 2019
✍️انتشارات: وایلی

🔳 هوش مصنوعی در عمل: چگونه 50 شرکت موفق برای حل مشکلاتشان از هوش مصنوعی استفاده می‌کنند

🔸 کتاب هوش مصنوعی در عمل به چگونگی استفاده شرکت‌ها از هوش مصنوعی و یادگیری ماشین در حل مشکلات می‌پردازد. این کتاب کاربردهای عملی هوش مصنوعی در مواجه با مشکلات در سراسر دنیا را نشان می‌دهد. توسعه سریع هوش مصنوعی سبب شده است که این فناوری از آزمایشگاه‌های تحقیقاتی و بخش‌های علوم کامپیوتری فراتر رود و به کسب‌وکارها وارد شود. هوش مصنوعی و یادگیری ماشین به عنوان مهمترین روند در کسب‌وکار مدرن معرفی شده است و دامنه وسیعی برای استفاده، از بانک‌ها و علوم اقتصادی تا شبکه اجتماعی و بازاریابی دارد. این فناوری راه‌حل‌های خلاقانه‌ای به کسب‌وکارها در هر اندازه، هر بخش و هر صنعتی ارائه می‌دهد. در این کتاب نمونه‌های موردی فراوانی ارائه می‌شود که نشان می‌دهد چگونه کسب‌وکارها از هوش مصنوعی برای ارتقا عملکرد، ایجاد کارایی، تحلیل عملکرد بازار و مسائل دیگر استفاده می‌کنند.

🔹 برنارد مار، نویسنده کتاب، نشان می‌دهد که چگونه فناوری یادگیری ماشین سبب تغییر کسب‌وکارها شده است. این بررسی دقیق یک نگاه کلی به هر شرکت را فراهم می‌آورد، مشکل خاص آن را توصیف می‌کند و توضیح می‌دهد که چگونه هوش مصنوعی در حل این مشکل به شرکت کمک می‌کند. هر نمونه موردی یک نگاه کلی شامل بعضی جزئیات فنی را فراهم می‌آورد:

1- فهمیدن چگونگی حل مشکل خاص کسب‌وکار به وسیله روش‌های یادگیری ماشین خلاقانه
2- بررسی اینکه چگونه هوش مصنوعی سبب ارتقا عملکرد و افزایش کارایی در موقعیت‌های مختلف می‌شود.
3- توسعه دانش شما در مورد پیشرفت‌های این فناوری
4- بدست آوردن بینش در آینده هوش مصنوعی و نقش افزایشی آن در کسب‌وکار و صنعت


#معرفی_کتاب
#هوش_مصنوعی
#هادی_صداقت

www.bdbanalytics.ir
@BigData_BusinessAnalytics

📚معرفی کتاب

“Data Analytics with Spark Using Python"

✍️ نویسنده: جفری آون
✍️ سال انتشار: 2018
✍️انتشارات: ادیسون وسلی

🔳 تحلیل داده با اسپارک و پایتون

🔸 اسپارک قلب انقلاب امروز عظیم داده است که به متخصصان داده در انجام پردازش داده و کارهای تحلیلی از نظر کارآمدی و عملکردی مزیت خارق العاده ای میدهد. در این کتاب، متخصص عظیم داده، جفری آون، تمام آنچه که برای استفاده از اسپارک و ویژگی های آن در پروژه ها و اکوسیستم عظیم داده ورد نیاز است را پوشش میدهد.
🔸آون یک معرفی از مفاهیم اساسی اسپارک را با مثال های برنامه نویسی که از محیط توسعه مشهور و رایج PySpark استفاده میکند در هم آمیخته و بر زبان پایتون که در بین متخصصان و تحلیلگران و توسعه دهندگان داده بسیار مورد اقبال است تمرکز می کند. او گستره وسیعی از اسپارک مقدماتی تا پیشرفته را ارائه میکند و شما خواهید آموخت که چگونه به صورت کارآمد، همه فرمت های داده از قبیل داده جریانی، ساختارمند و نیمه ساختار و بدون ساختار را با استفاده از اسپارک مدیریت نمایید. علاوه بر این، مرورهای موضوعی سریع باعث میشود تا سرعت یادگیری شما در حل تمرین ها و آماده شدن برای حل مسائل واقعی افزایش یابد.

🔹 مطالب کتاب شامل موارد زیر می شود:
- اهمیت و نقش توسعه ای اسپارک در عظیم داده و اکوسیستم هدوپ
- ایجاد خوشه های اسپارک با استفاده از حالت های توسعه مختلف
- کنترل و بهینه سازی فعالیت ها در خوشه ها و اپلیکیشن های اسپارک
- توسعه، شتاب و بهینه سازی روتین های اسپارک با استفاده از API ها
- یکپارچه سازی اسپارک با دیتا استورهای SQL و غیر SQL
- انجام پردازش جریانی و مسیجینگ با استفاده از اسپارک و کافکا
- پیاده سازی مدلسازی پیشبینانه با استفاده از SparkR و MLib

🔻برای دریافت کتاب به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/w06081

#معرفی_کتاب
#اسپارک
#میثم_عسگری

www.bdbanalytics.ir
@BigData_BusinessAnalytics

‍ 📚 معرفی کتاب

“یادگیری اسپارک: تحلیل عظیم داده با سرعت نور (چاپ دوم)"
“Learning Spark: Lightning-Fast Big Data Analysis 2nd Edition”

📍 اولین نسخه این کتاب توسط توسعه دهندگان اسپارک در سال 2015 و نسخه دوم آن که اسکالا و پایتون را شامل می‌شود در سال 2020 و توسط انتشارات O'Reilly منتشر شده است.

📍 داده‌ها بزرگ‌تر، سریع‌تر و متنوع تر شده‌اند و نیاز به پردازش مقیاس‌پذیر برای تحلیل و یادگیری ماشین دارند. اما چگونه چنین حجم داده‌ای را به صورت کارآمد پردازش کنیم؟ وارد آپاچی اسپارک شوید.
📍 با به‌روزرسانی اسپارک 3.0، نسخه دوم این کتاب برای مهندسین داده و دانشمندان داده نشان می‌دهد که چگونه ساختار و یکپارچه‌سازی در اسپارک اهمیت میابد. به ویژه، این کتاب توضیح می‌دهد که چگونه تحلیل‌های داده‌های ساده و پیچیده را انجام دهیم و الگوریتم‌های یادگیری ماشین را به کار ببریم.

📍از طریق آموزش گام به گام و با استفاده از کد اسنیپت‌ها و یادداشت‌های این کتاب شما قادر خواهید بود:
- رابط‌های اپلیکیشنی (API) های سطح بالای پایتون، اسکیوال ، اسکالا و جاوا را بیاموزید
- اپریشن‌های اسپارک و موتور اسکیوال را فرا بگیرید
- اپریشن‌های اسپارک را با استفاده از تنظیمات اسپارک و رابط گرافیکی اسپارک، تیون و بهینه‌سازی کنید
- به منابع داده متصل شوید: JSON و پارکت و CSV و Avro و ORC و هایو و S3 و یا کافکا
- روی داده‌های انباشته و یا جریانی تحلیل انجام دهید
- از طریق Delta lake و اسپارک که متن باز هستند دیتاپایپ‌لاین‌های قابل اتکا و استیبل بسازید
- از طریق MLib و Mflow پایپ‌لاین‌های یادگیری ماشین را توسعه داده و مدل‌های عملیاتی بسازید


این کتاب را می‌توانید از لینک زیر دریافت نمایید:

https://b2n.ir/m33558


#معرفی_کتاب
#تحلیل‌_عظیم‌داده_و_کسب‌وکار
#میثم_عسگری


@BigData_BusinessAnalytics
www.bdbanalytics.ir

‍ 📚 معرفی کتاب

کاربردهای یادگیری ماشین در تحلیل عظیم داده و محاسبات ابری
“Applications of Machine Learning in Big-Data Analytics and Cloud Computing”


📍 این کتاب در سال ۲۰۲۱ و توسط انتشارات River Publisher منتشر شده است.

📍 محاسبات ابری و فناوری‌های عظیم داده به تعاریف جدیدی از عصر دیجیتال تبدیل شده‌اند. میزان داده‌های دیجیتال به سرعت در حال افزایش است و پیش‌بینی می‌شود تا سال ۲۰۳۰ از میزان ۶۵ تریلیون گیگابایت هم عبور کند. این انفجار داده به فرصت‌ها و تحولاتی در حوزه‌های مختلف مانند پزشکی، سازمان‌ها و صنایع منجر شده است. ابزارهای جدید محاسبات ابری و عظیم داده، به محققان و تحلیلگران کمک می‌کنند تا به جمع آوری و مدیریت و تحلیل این حجم از داده بپردازند. در حوزه کلاود و تحلیل عظیم داده نیز، یادگیری عمیق در حال توسعه دسته‌ای از تکنیک‌های یادگیری ماشین برای حل مساپل پیچیده کسب و کاری است. یادگیری عمیق، رایانه‌ها را قادر می‌سازد حجم زیادی از داده‌های بدون ساختار را تحلیل کنند.

📍این کتاب به معرفی پیشرفت‌های اخیر در استفاده از یادگیری ماشین در کلاود و تحلیل عظیم داده می‌پردازد و به عنوان یک مرجع برای محققان و دانش آموزان جدید در حوزه علوم داده و کامپیوتر می‌باشد. مفاهیم مورد نیاز برای درک چالش‌های حال حاضر یادگیری ماشین و راه حل‌های احتمالی به همراه روال‌های پیش رو در تحلیل عظیم داده، در این کتاب به تشریح درآمده‌اند.


این کتاب را می‌توانید از لینک زیر دریافت نمایید:


🔗 https://b2n.ir/g97558


#معرفی_کتاب
#تحلیل‌_عظیم‌داده_و_کسب‌وکار
#میثم_عسگری


@BigData_BusinessAnalytics
www.bdbanalytics.ir

‍ ‍ 📚 معرفی کتاب

📌 پردازش زبان طبیعی با Spark NLP
"Natural Language Processing with Spark NLP: Learning to Understand Text at Scale”


📌 نویسنده: Alex Thomas
📌 این کتاب در سال 2020 و توسط انتشارات O'Reilly منتشر شده است.

📍این کتاب درباره به کارگیری Spark NLP برای ایجاد اپلیکیشن‌های پردازش زبان طبیعی (NLP) می‌باشد. Spark NLP یک کتابخانه NLP است که بر روی آپاچی اسپارک ساخته شده است. در این کتاب چگونگی به کارگیری Spark NLP و همچنین مبانی پردازش زبان طبیعی پوشش داده می‌شود. با مطالعه این کتاب یک ابزار نرم افزاری جدید برای کار با زبان طبیعی و Spark NLP را در اختیار خواهید داشت و همچنین با مجموعه‌ای از تکنیک‌ها و چگونگی کارکرد آنها در این حوزه آشنا می‌شوید.

📍در بخش اول کتاب فناوری‌ها و تکنیک‌هاي مورد نیاز جهت به کارگیری در Spark NLP نظیر مبانی زبان طبیعی، NLP بر روی آپاچی اسپارک و مبانی یادگیری عمیق معرفی شده‌اند. سپس در بخش دوم در مورد بلوک‌های سازنده NLP از جمله پردازش کلمات، بازیابی اطلاعات، دسته بندی و رگرسیون، مدلسازی توالی با Keras، استخراج اطلاعات، تاپیک مدلینگ و word embeddings بحث شده است. در نهایت در بخش سوم و چهارم کتاب به اپلیکیشن‌ها و سیستم‌های پردازش زبان طبیعی پرداخته شده است که شامل تحلیل احساسات و تشخیص احساس، ایجاد پایگاه‌های دانشی، موتور جستجو، چت بات، بازشناسی ویژگی آبجکت، پشتیبانی از چندین زبان، برچسب زدن توسط انسان، و تولید اپلیکیشن‌های NLP می‌باشد.

📍کار بر روی یک اپلیکیشنی که نیازمند پردازش زبان طبیعی است، توأم با سه رویکرد توسعه دهنده نرم افزار، زبان شناس، و دانشمند داده می‌باشد. رویکرد توسعه نرم افزار بر آنچه که اپلیکیشن باید انجام دهد تمرکز دارد و مبتنی بر محصولی است که می‌خواهیم ایجاد نماییم. رویکرد زبان شناسی بر آنچه که می‌خواهیم از داده‌ها استخراج کنیم متمرکز است و در نهایت رویکرد دانشمند داده بر چگونگی استخراج اطلاعات مورد نیاز ار داده‌ها تمرکز دارد.

📍در این کتاب علاوه بر Spark NLP، آپاچی اسپارک، و تنسورفلو، از سایر ابزار نظیر پایتون، آناکوندا، ژوپیتر نوت‌بوک و داکر نیز استفاده شده است و در هر بخش کدهای مربوطه ارائه شده است.



این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#پردازش_زبان_طبیعی
#اسپارک
#Spark_NLP
#فاطمه_مظفری


@BigData_BusinessAnalytics
www.bdbanalytics.ir

📚 معرفی کتاب

📌 داده‌های عظیم برای تصمیمات بزرگ: ایجاد یک سازمان داده محور

"Big Data for Big Decisions: Building a Data-Driven Organization”


📌 نویسنده: Krishna Pera
📌 این کتاب در سال 2023 و توسط CRC Press انتشار یافته است.

📍ایجاد یک سازمان داده محور (data-driven organization)، ابتکاری در سطح سازمانی است که می‌تواند منابع را برای مدت طولانی مصرف نماید. بنابراین هر سازمانی که به دنبال چنین ابتکاری است، بر اساس نقشه راه و مورد کسب و کاری که باید قبل از تصویب تهیه و ارزیابی شود، اصرار دارد. این کتاب یک متدولوژی گام به گام به منظور ایجاد نقشه راه و مورد کسب و کاری ارائه می‌دهد و روایتی از محدودیت‌ها و تجربیات مدیرانی است که برای راه اندازی سازمان‌های داده محور تلاش کرده‌اند. در این کتاب تأکید بر تصمیمات بزرگ است یعنی تصمیمات کلیدی که بر 90 درصد نتایج کسب و کار تأثیر می‌گذارند. این تصمیمات از ابتدا تصمیم‌گیری و مهندسی مجدد داده‌ها تا فرآیند-زنجیره تصمیم‌گیری و حاکمیت داده‌ها، به طوری که اطمینان حاصل شود که داده‌های درست همواره در زمان مناسب در دسترس هستند.

📍سرمایه گذاری در هوش مصنوعی و تصمیم گیری داده محور در حال حاضر به عنوان یک ضرورت بقا برای سازمان‌ها در نظر گرفته می‌شود تا بتوانند رقابتی باقی بمانند. در حالی که هر شرکتی آرزو دارد 100% داده محور شود و هر مدیر ارشد اطلاعات (CIO) بودجه ای دارد، گارتنر تخمین می زند که بیش از 80٪ از تمام پروژه های تحلیل‌گری در ارائه ارزش مورد نظر ناکام هستند. در این راستا این کتاب متدولوژی برای اطمینان از موفقیت در استخراج ارزش مورد نظر از سرمایه گذاری در تحلیل‌گری ارائه می‌دهد و راهنمایی برای ایجاد یک نقشه راه تحول گام به گام است که داده‌های عظیم را برای تصمیم‌های بزرگ، 10 درصد تصمیم‌هایی که بر 90 درصد نتایج کسب‌وکار تأثیر می‌گذارند، اولویت‌بندی می‌کند، و همچنین بهبودهای اساسی در کیفیت تصمیم‌ها و ارزش قابل اندازه گیری از سرمایه گذاری‌های تحلیلگری ارائه می‌نماید.

📍علاوه بر این، به برخی از موضوعات مهم که تاکنون در چارچوب سازمان داده محور پرداخته نشده است، مانند «اولویت‌بندی تصمیم‌گیری»، مفهوم «شناخته‌ها و ناشناخته‌ها» و ... در این کتاب پرداخته می‌شود. ارائه نقشه راه برای تحلیل‌گری، استراتژی فناوری اطلاعات داده محور، ایجاد استراتژی داده، ایجاد استراتژی بازاریابی داده محور و حکمرانی داده یکپارچه از دیگر موضوعات مورد بررسی در این کتاب است.



این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#سازمان_داده_محور
#تصمیم‌گیری
#عظیم_داده

#فاطمه_مظفری


@BigData_BusinessAnalytics
www.bdbanalytics.ir

📚معرفی کتاب

📌 ابهام‌زدایی از عظیم داده، یادگیری ماشین و یادگیری عمیق برای تحلیل حوزه سلامت

"Demystifying Big Data, Machine Learning, and Deep Learning for Healthcare Analytics”


📌 نویسنده: Pradeep N, Sandeep Kautish, Sheng Lung Peng
📌 این کتاب در سال 2021 و توسط Elsevier Science انتشار یافته است.



📍کتاب ابهام‌زدایی از عظیم داده، یادگیری ماشین و یادگیری عمیق در حوزه سلامت به ارائه دنیای در حال تغییر استفاده از داده‌ها در حوزه سلامت و بخصوص کلینیک‌ها می‌پردازد. تکنیک‌ها، روش‌ها و الگوریتم‌هایی جهت سازمان‌دهی داده‌ها به صورت ساختاریافته در این کتاب معرفی شده‌اند که می‌تواند برای مهندسان پزشکی و دانشمندان داده برای فهم تأثیر این تکنیک‌ها در تحلیل حوزه سلامت مؤثر باشد.

📍این کتاب به دو بخش اصلی تقسیم شده است. در بخش اول، جنبه‌های عظیم داده مانند سیستم‌های پشتیبانی تصمیم سلامت و موضوعات مرتبط با تحلیل داده مورد بررسی قرار گرفته است. در بخش دوم، تمرکز بر چارچوب‌ها و کاربری‌های فعلی یادگیری عمیق و یادگیری ماشین و ارائه چشم‌اندازی از مسیر آینده تحقیق و توسعه است.


📍در تمام کتاب، رویکرد مورد مطالعه محور، موارد و مثال‌های ارزشمندی از مطالعات دنیای واقعی به عنوان منابع بنیادی در اختیار مهندسان پزشکی، دانشمندان داده و پژوهشگران سلامت قرار می‌دهد.


این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#عظیم_داده
#میثم_عسگری


@BigData_BusinessAnalytics
www.bdbanalytics.ir

📚معرفی کتاب

📌کتابچه راهنمای پژوهشگر در تجزیه و تحلیل عظیم­‌داده

"Research Practitioner's Handbook on Big Data Analytics"


📌نویسندگان: S. Sasikala, Renuka Devi D
📌این کتاب در سال 2023 و توسط Apple Academic Press انتشار یافته است.


📍 این کتاب با معرفی مفهوم عظیم­‌داده بر مفاهیم اصلی تجزیه و تحلیل داده‌های عظیم، ابزارها، تکنیک‌ها و روش‌شناسی از دیدگاه‌های پژوهشی تمرکز دارد و می­‌تواند راهنمایی جامع با ترکیبی از بینش‌های نظری و رویکردهای عملی را ارائه ‌دهد که طیف وسیعی از خوانندگان را پوشش می­‌دهد. این کتاب همچنین توضیح می‌دهد که چگونه می‌توان از تجزیه و تحلیل عظیم­­‌داده‌ها برای استخراج بینش‌های ارزشمند از مجموعه داده‌های بزرگ و تصمیم­‌گیری آگاهانه استفاده کرد.

📍نویسندگان جنبه‌های مختلف تجزیه و تحلیل عظیم­‌داده، از جمله؛ جمع‌آوری، پیش‌پردازش، ذخیره‌سازی، تکنیک‌های تجزیه و تحلیل‌ و نیز تصویرسازی‌داده‌ها را پوشش می‌دهند. آن‌ها درباره ابزارها و فناوری‌های رایج مورد استفاده در تجزیه و تحلیل داده‌های عظیم مانند Hadoop ،Apache Spark و الگوریتم‌های یادگیری ماشین بحث می‌کنند. یکی از تاکیدهای اصلی کتاب بر روی روش تحقیق در تجزیه و تحلیل داده‌های عظیم است. این کتاب همچنین، راهنمایی در مورد فرمول‌بندی سؤالات پژوهش، طراحی آزمایش‌ها، انتخاب تکنیک‌های مناسب تجزیه و تحلیل داده‌ها و تفسیر نتایج ارائه می‌کند. در ادامه نویسندگان بر اهمیت اخلاق و ملاحظات حریم خصوصی در پژوهش­‌های عظیم­‌داده تاکید می‌کنند.

📍در این کتاب، مطالعات موردی و نمونه‌هایی در دنیای واقعی برای نشان دادن مفاهیم و تکنیک‌های مورد بحث ارائه شده‌اند. این مطالعات موردی نشان می‌دهد که چگونه تجزیه و تحلیل عظیم­‌داده‌ها با موفقیت در حوزه‌های مختلف مانند مراقبت‌های بهداشتی، کسب و کار، اجتماعی و آموزشی به کار گرفته شده است. علاوه بر این، کتاب حاضر به چالش‌ها و محدودیت‌های مرتبط با تجزیه و تحلیل عظیم­‌داده‌ها، مانند مسائل مربوط به کیفیت داده، نگرانی‌های مقیاس پذیری، و پیامدهای اخلاقی می‌پردازد. برای غلبه بر این چالش‌ها و نیز به حداکثر رساندن ارزش عظیم­‌داده، استراتژی‌ها و به روش‌هایی را ارائه می‌دهد.

📍به طور کلی، این کتاب به عنوان یک راهنمای عملی برای پژوهشگران و متخصصانی عمل می­‌کند که می‌خواهند از قدرت تجزیه و تحلیل داده‌های عظیم استفاده کنند و آن‌ها را با دانش و مهارت‌های لازم برای انجام پژوهش­‌های مؤثر و استفاده از این نوع داده­‌ها برای بینش و تصمیم­‌گیری معنادار مجهز می‌کند.


این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#عظیم_داده
#زهرا_رفیعی‌پور


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir

📚معرفی کتاب

📌محاسبات شناختی برای سیستم‌های عظیم‌داده از طریق اینترنت اشیا

"Cognitive Computing for Big Data Systems Over IoT"

📌نویسندگان:
Arun kumar Sangaiah, Arunkumar Thangavelu, Venkatesan Meenakshi Sundaram

📌این کتاب در سال 2018 توسط Springer انتشار یافته است.


📍 این کتاب جامع به عنوان یک منبع ارزشمند برای کسانی که به دنبال درک عمیق‌تری از تقاطع بین محاسبات شناختی، عظیم‌داده و اینترنت اشیا هستند، عمل می‌کند. همگرایی عظیم‌داده و اینترنت اشیا حجم زیادی از داده را تولید و مبادله کرده و استخراج اطلاعات معتبر را چالش برانگیز می‌سازد. در این کتاب، تکنیک‌های یادگیری ماشینی برای تجزیه و تحلیل حجم زیاد داده‌ها و بهبود فرایند تصمیم‌گیری پیشنهاد شده‌ است. محاسبات شناختی روشی است که رویکردهای فعلی علم داده را با بینش متخصصان و همچنین مفهوم هوش مصنوعی و استنتاج بر دانش ترکیب کرده و گسترش می‌دهد؛ همچنین در بسیاری از برنامه‌های کاربردی هوش مصنوعی از جمله سیستم‌های خبره، پردازش زبان طبیعی، شبکه‌های عصبی، روباتیک و واقعیت مجازی استفاده می‌شود.


📍نویسندگان در این کتاب دانش زمینه‌ای، استدلال علم داده و روش‌های شناختی را بر روی اینترنت اشیا بررسی کرده و تمرکز اصلی کتاب را بر طراحی بهترین فناوری‌های تعبیه‌شده شناختی برای پردازش و تجزیه و تحلیل عظیم‌داده‌ جمع‌آوری‌شده توسط اینترنت اشیا و همچنین بهبود فرآيند تصمیم‌گیری قرار داده‌اند.

📍این کتاب به طیف گسترده‌ای از پارادایم‌های محاسبات شناختی و تصمیم‌گیری در یک صنعت یا سازمان، در تمام سطوح چالش‌های علم داده می‌پردازد. این کتاب برای دانشمندان علم داده، متخصصان، محققان و دانشگاهیان در نظر گرفته شده که با چالش‌ها و پیشرفت‌های جدید در زمینه‌های خاص محاسبات شناختی و علم داده در زمینه اینترنت اشیا سر و کار دارند. در این کتاب همچنین، چارچوب‌ها و ابزارهای عملی طراحی و برای مقابله با چالش‌های پیچیده مرتبط با تجزیه و تحلیل عظیم‌داده در محیط اینترنت اشیا ارائه شده است.

📍هدف این کتاب ارائه چارچوب نظری و آخرین یافته‌های تحقیقات تجربی در این زمینه است. راه‌حل‌های عظیم‌داده در مورد مشکلات اینترنت اشیا از طریق طیف گسترده‌ای از چارچوب‌های محاسباتی الگوریتمی و شناختی مانند بهینه‌سازی، یادگیری ماشین و سیستم‌های پشتیبان تصمیم‌ به طور مؤثری مدیریت شده‌اند. نویسندگان فراتر از مرزهای نظری پیش رفته و برنامه‌های کاربردی دنیای واقعی را در حوزه‌های مختلف مانند مراقبت‌های بهداشتی، تولید و انرژی ارائه می‌دهند.


این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#عظیم_داده
#زهرا_رفیعی‌پور


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir

📚معرفی کتاب

📌کاربردهای عظیم‌داده در صنعت ۴

"Big Data Applications in Industry 4.0"

📌نویسندگان:
P. Kaliraje, T. Devi

📌این کتاب در سال ۲۰۲۲ توسط CRC Press انتشار یافته است.


📍 در این کتاب، نویسندگان به چشم‌انداز تحول‌آفرین صنعت ۴ می‌پردازند که بیانگر آخرین مرز فناوری در تولید است. محور این تحول، نقش بنیادی تجزیه‌ و تحلیل عظیم‌داده بوده که به عنوان سنگ بنای صنعت ۴ شناسایی شده‌است. عظیم‌داده بینش‌های ارزشمندی را برای مدیریت موثر کارخانه‌های هوشمند ارائه می‌دهد. این کتاب همچنین بر ضرورت ابزارها و فن‌آوری‌های پیشرفته برای پردازش داده‌ها و اطمینان از تحویل اطلاعات مربوطه تأکید می‌کند. مزیت‌های بالقوه عظیم داده زمانی‌که با صنعت ۴ ادغام شود، به شکل‌دهی به فرآیندهای صنعتی، تأثیرگذاری بر مصرف منابع، ساده‌سازی فرآیندها، جهت‌دهی به اتوماسیون و نیز اهداف توسعه پایدار گسترش می‌یابد.

📍تکامل سریع این فناوری‌ها، به افراد با مهارت‌های سطح بالا و دانش عمیق نیاز دارد تا به چالش‌های بی‌وقفه رسیدگی کنند. این کتاب بر اهمیت هماهنگ ماندن با تغییرات کوچک در داده‌های تولید شده و بر تأثیر بالقوه آن‌ها بر محیط و صنعت تأکید می‌کند. افزایش نرخ تولید داده‌ها، پیچیدگی تجزیه و تحلیل عظیم‌داده‌ها را تشدید، و آن را به یک قلمرو چالش‌برانگیز پژوهشی تبدیل می‌کند.

📍 پیش‌بینی می‌شود که چشم‌انداز بازار برای تجزیه و تحلیل عظیم‌داده‌ها، رشد قابل توجهی را تجربه کند. این افزایش در تقاضا نیاز روز‌ افزون به متخصصان در این زمینه را برجسته می‌کند. افزایش تقاضا به دلیل حجم فزاینده، سرعت و تنوع داده‌های تولید شده در عصر دیجیتال امروزی است که نیازمند فناوری‌ها و روش‌های پیشرفته برای کشف اطلاعات ارزشمند برای تصمیم‌گیری، توسعه استراتژی و حل مشکلات در صنایع و بخش‌های مختلف است. توسعه مهارت برای هدایت صنعت ۴ و ایجاد زیرساخت‌های پیشرفته از منظر فناوری به عنوان عناصر کلیدی برای ستون‌های آینده توسعه جهانی پدیدار می‌شود.

📍 تغییرات پیش‌رونده تحول‌آفرین و تصاعدی، مؤسسات آموزشی و دانشگاه‌ها را ملزم می‌کند که ابزارهای صنعت ۴ را به طور فعالانه در برنامه‌های متنوع آموزشی و پژوهشی خود بگنجانند. این کتاب خود را به عنوان منبعی ارزشمند برای انتقال مفاهیم اساسی و دانش عظیم‌داده به فارغ‌التحصیلان معرفی می‌کند. نویسندگان همچنین با کشف جنبه‌های مختلف عظیم‌داده، کاربردها را در بخش‌های مختلف، از جمله امور مالی، آموزش، رسانه‌های اجتماعی، سنجش از راه دور و مراقبت‌های بهداشتی بررسی می‌کنند. دانشمندان، مهندسان و آماردانان با هدف ساخت برنامه‌های کاربردی عظیم‌داده‌ها برای حل مسئله در دنیای واقعی، مرجع جامعی را در این کتاب خواهند یافت.

📍در دیگر بخش‌های این کتاب به موضوعات خاصی مانند کاربردهای علم داده، ادغام صنعت ۴، اصول پیش‌بینی، کاربردهای مراقبت‌های بهداشتی و نقش عظیم‌داده در آموزش می‌پردازند. هر فصل به عنوان یک کاوش دقیق عمل می‌کند، و بینش‌های ارزشمندی را برای توسعه دهندگان نرم‌افزار، دانشجویان و اساتید و نیز محققان ارائه می‌دهد. محتوا به گونه‌ای طراحی شده‌ است که غنی و جامع باشد و به خوانندگان کمک کند تا درک عمیقی از موضوع پیدا کنند. بینش‌های به اشتراک گذاشته شده در هر فصل چند وجهی است و می‌تواند در حوزه‌های مختلف حرفه‌ای و آموزشی اعمال شود و کتاب را به منبعی ارزشمند برای هر علاقه‌مند به این حوزه تبدیل می‌کند.


این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#عظیم_داده
#زهرا_رفیعی‌پور


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir

📚معرفی کتاب "Big Data at Work: Dispelling the Myths, Uncovering the Opportunities"

عنوان:
🔍 «عظیم داده در کار: از بین بردن افسانه‌ها، کشف فرصت‌ها»

🖋 نویسنده : Thomas H. Davenport
📌 این کتاب در سال ۲۰۱۴ و توسط ‎ Harvard Business Review Pressانتشار یافته است.


📍این کتاب را می‌توان به عنوان راهنمایی کاربردی برای به‌ کارگیری عظیم داده و استفاده از مزایای آن و شناخت چالش‌های موجود در به کارگیری آن در سازمان‌ها دانست. تمرکز کتاب بیشتر از مسائل فنی بر بعد انسانی و سازمانی پیاده‌سازی و استفاده از عظیم داده است.

📍نویسنده، نگارش کتاب را در ۸ فصل انجام داده است. دو فصل ابتدایی درباره‌ی اهمیت عظیم داده و چگونگی اثرگذاری آن در سطوح فردی مشاغل و سطوح سازمانی در صنایع متفاوت است. فصل سوم کتاب بر استراژی عظیم داده و ابعاد آن با توجه به نیاز‌های کسب‌وکار و اهداف سازمانی تمرکز دارد. فصل چهارم و پنجم کتاب به صورت خاص بر چالش‌های ابعاد انسانی و زیرساخت‌های تکنولوژیکی و تحلیلی این حوزه می‌پردازند. فصول بعدی کتاب چالش‌ها و عوامل کلیدی موفقیت استفاده از عظیم داده در سازمان‌ها و همچنین مطالعاتی موردی در سطوح سازمان‌های بزرگ و استارتاپ‌ها را در این رابطه بررسی می‌کنند. در انتها، پرسشنامه‌ای جهت ارزیابی آمادگی استفاده از عظیم داده آورده شده است.

📍می‌توان برخی از نکات با اهمیت که کتاب مباحث خود را حول آن‌ها شکل می‌دهد را شامل مواردی زیر در نظر داشت:

🔹 مزایای عظیم داده همچون بهبود تصمیم‌گیری و افزایش کارایی و نوآوری در تمامی صنایع.
🔹نیاز به همراستایی زیرساختی در کنار فرهنگ مناسب با عظیم داده برای استفاد‌ه‌ی اثربخش از نتایج تحلیلی آن.
🔹مسئله‌محور بودن تمامی مراحل از جمع‌آوری تا تحلیل و آماده‌سازی گزارش‌ها و نپرداختن صرف به عظیم داده و ابعاد فنی مختلف آن.

📍به طور کلی، این کتاب دیدی نسبتا همه‌جانبه به مقوله‌ی عظیم‌داده داشته و همانگونه که خود نویسنده عنوان می‌کند، به جای پرداختن به این نکته که چه میزان داشتن این حجم از داده جذاب و مفید است، به آن پرداخته که صرف نظر از آنکه چه میزان داده در اختیار دارید، مهم آن است که چگونه از آن استفاده می‌کنید.

این کتاب را می‌توانید در پست بعد دریافت نمایید.


#معرفی_کتاب
#عظیم_داده
#احسان_نگهدار


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir

📚معرفی کتاب "Artificial Intelligence for Business Analytics: Algorithms, Platforms and Application Scenarios"



🔍 عنوان: هوش مصنوعی برای تحلیلگری کسب و کار: الگوریتم‌ها، پلتفرم‌ها و سناریوهای کاربردی

🖋 نویسنده : Felix Weber
📌 این کتاب در سال 2023 و توسط ‎ انتشارات Springer انتشار یافته است.


📍بسیاری از تحلیل‌ها در محیط کسب و کار، تحلیل توصیفی است که بر اساس آمار توصیفی محاسباتی از قبیل میانگین، درصد، شمارش، حداکثر، حداقل و محاسبات ساده را ارائه می‌نماید یا نسخه‌های فیلتر شده داده‌ها را خلاصه می‌نماید. هدف از تجزیه و تحلیل توصیفی این است که به سادگی خلاصه کند و به شما بگوید چه اتفاقی افتاده است: فروش، تعداد مشتریان، درصد کل فروش با مواردی که تبلیغ شده‌اند، بازدید از صفحه و غیره.
🔹 تحلیل‌های توصیفی می‌تواند نتایج عملیات‌های ساده ریاضی باشد و امروزه در اکثر شرکت‌ها به انجام می‌رسد که اغلب به عنوان هوش تجاری از آن یاد می‌شود. همچنین اصطلاح تجزیه و تحلیل پیشرفته برای توصیف گسترش این گزارش‌ها استفاده می‌شود. به عنوان مثال، اگر ابتدا از یک فیلتر جغرافیایی برای تجزیه و تحلیل رسانه‌های اجتماعی استفاده کنید، می‌توانید معیارهایی مانند میانگین پست در هفته از آلمان و میانگین پست در هفته از هلند را دریافت کنید و بر روی نقشه نمایش دهید. با این حال، این تحلیل ابتدایی برای مزیت رقابتی نسبت به رقبا کافی نیست. به خصوص اگر ناگهان مجبور شوید با بومی‌های دیجیتالی مانند گوگل، آمازون یا علی بابا رقابت کنید. در واقع می‌توان گفت در عصر دیجیتالی شدن، این یک چالش واقعی برای بسیاری از صنایع است. این شرکت‌ها نه تنها بر اساس نرم‌افزار و پلتفرم‌ها، بلکه مهم‌تر از آن، بر اساس تحلیل‌های پیچیده عمل می‌کنند. به طور مثال اوبر پایگاه داده عظیمی از رانندگان دارد، بنابراین به محض درخواست خودرو، الگوریتم اوبر آماده راه اندازی است و در عرض 15 ثانیه یا کمتر، شما را با راننده نزدیک به شما مطابقت می‌دهد. در پس‌زمینه، اوبر داده‌های مربوط به هر خودرو را ذخیره می‌کند - حتی زمانی که راننده مسافر ندارد. همه این داده‌ها ذخیره شده و برای پیش‌بینی عرضه و تقاضا، تعیین کرایه‌ها و شناسایی مسائل مرتبط با حمل و نقل شهری استفاده می‌شود.

📍این کتاب با هدف معرفی جنبه های ضروری تحلیلگری کسب و کار و استفاده از روش‌های هوش مصنوعی ارائه شده است. در این راستا ابتدا اصطلاحات و الگوهای فکری اساسی تحلیلگری از تحلیل توصیفی و پیش‌بینی‌کننده تا تحلیل تجویزی در بخش «رده‌بندی روش‌ها و مدل‌های تحلیلی» معرفی شده‌اند. به دنبال آن، مدل تحلیلگری کسب و کار برای هوش مصنوعی، یک مدل فرآیندی برای اجرای پروژه‌های تجزیه و تحلیل کسب و کار در بخش «مدل رویه‌ها: مدل تحلیلگری کسب و کار برای هوش مصنوعی» و یک چارچوب فناوری دنبال می‌شود که شامل ارائه مهم ترین چارچوب‌ها، زبان‌های برنامه نویسی و معماری‌ها می‌باشد. پس از ارائه مقدمه‌ای بر هوش مصنوعی در فصل 2 و به ویژه زیرشاخه یادگیری ماشین، فصل 3 با عنوان «انواع مسائل در هوش مصنوعی و الگوریتم‌های آنها» به مهم‌ترین مسائل و الگوریتم‌های قابل اجرا به شیوه‌ای قابل درک می‌پردازد. در ادامه یک مرور کلی از پلتفرم‌های ابری رایج در بخش «تجزیه و تحلیل کسب‌وکار و یادگیری ماشین به‌ عنوان یک سرویس (پلتفرم‌های ابری)» ارائه می‌شود که اجرای سریع یک پروژه تحلیلگری کسب و کار را امکان‌پذیر می‌سازد. در نهایت، چندین سناریوی کاربردی از دیدگاه‌های مختلف، استفاده احتمالی از AI و BA را در صنایع مختلف به عنوان بخش مطالعات موردی «ساخت یا خرید؟» نشان می‌دهد.

📍این کتاب به عنوان یک مقدمه و مرور کلی برای تصمیم‌گیران و متخصصان فناوری اطلاعات و حوزه‌های کاربردی مرتبط مطرح شده است و در بسیاری از موارد به ادبیات عمیق‌تری برای مطالعه بیشتر اشاره شده است.


این کتاب را می‌توانید از لینک زیر دریافت نمایید.

🔗 https://bdbanalytics.ir/jgao


#معرفی_کتاب
#هوش_مصنوعی
#تحلیلگری_کسب_و_کار
#فاطمه_مظفری


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir

📚معرفی کتاب

📌روش‌های توسعه برای سیستم‌های تحلیل عظیم‌داده

"Development Methodologies for Big Data Analytics Systems"

📌نویسندگان:
Manuel Mora, FenWang, Jorge Marx Gomez, Hector Duran-Limon

📌این کتاب در سال 2024 توسط Springer انتشار یافته است.


📍 رشد فزاینده‌ی حجم، تنوع و سرعت داده‌ها، که اغلب با عنوان «عظیم‌داده» شناخته می‌شود، رویکرد ما به تصمیم‌گیری در صنایع مختلف را متحول کرده است. سیستم‌های تحلیل عظیم‌داده (BDA) راه‌حل‌های نرم‌افزاری هستند که به‌طور خاص برای استخراج بینش‌های ارزشمند از این مجموعه داده‌های عظیم طراحی شده‌اند. این کتاب به دنیای سیستم‌های BDA می‌پردازد و با بررسی روش‌های توسعه‌، کاربردهای موفقیت آمیز آن را در حوزه‌های مختلف به نمایش می‌گذارد.

📍این کتاب، سیستم‌های BDA را به عنوان سنگ بنای حوزه‌ی نوظهور «علم داده» معرفی می‌کند. علم داده خود از همگرایی سه حوزه‌ی کلیدی، آمار، علوم رایانه و تحلیل هوش تجاری، نشأت می‌گیرد. هدف اصلی آن استفاده از قدرت داده‌های عظیم برای توسعه‌ی مفاهیم، مدل‌ها، روش‌ها و ابزارهایی است که بتواند ارزش پنهان در منابع عظیم داده‌های داخلی و خارجی سازمان‌ها را آشکار سازد.

📍اگرچه به‌طور سنتی به دلیل نیاز به منابع انسانی، فناوری و منابع سازمانی قابل توجه، سیستم‌های BDA عمدتا توسط کسب‌وکارهای بزرگ به کار گرفته می‌شدند، اما امروزه در حال گسترش به سایر بخش‌ها نیز می‌باشد. با این حال، خلأیی اساسی در توسعه‌ی نظام‌مند این سیستم‌ها وجود دارد. علی‌رغم به‌کارگیری روش‌های توسعه‌ی آزموده‌شده‌ای مانند CRISP-DM، SEMMA و KDD برای سیستم‌های تحلیل داده، تعداد قابل توجهی از پروژه‌های BDA در عمل نمی‌توانند به وعده‌های خود وفا کنند. از دیدگاه مهندسی نرم‌افزار، فرآیندها و روش‌های توسعه‌ی قوی، شامل رویکردهای برنامه‌محور، چابک، ترکیبی و سبک‌وزن، برای برآورده کردن محدودیت‌های حیاتی «مثلث آهنین» پروژه (زمان‌بندی، بودجه و کیفیت) ضروری هستند. این امر، نیاز روزافزون به ادغام اصول مهندسی نرم‌افزار و سیستم در توسعه‌ی سیستم‌های BDA را برای اطمینان از نتایج موفقیت‌آمیز که مطابق با انتظارات کسب‌وکار باشد، برجسته می‌کند.

📍برای دستیابی به این هدف، سردبیران کتاب از پژوهشگران برجسته در هر دو حوزه‌ی مهندسی نرم‌افزار و علم داده دعوت کرده‌اند تا در مورد طیف وسیعی از موضوعات مشارکت نمایند و خلأ موردنظر را برطرف نمایند. این کتاب شامل ۱۱ فصل می‌باشد و توسط پژوهشگران بین‌المللی تنظیم شده تا موضوعات اساسی، روش‌شناسی‌ها، چارچوب‌ها و کاربردهای دنیای واقعی را پوشش ‌دهد. این کتاب برای پژوهشگران، دانشگاهیان، متخصصان و دانشجویان دوره‌ی دکتری که به توسعه‌ی نظام‌مند سیستم‌های تحلیل عظیم‌داده علاقه‌مند هستند، در نظر گرفته شده است. کتاب به سه بخش زیر تقسیم شده است:

۱- بنیاد سیستم‌های تحلیل عظیم‌داده: این بخش به بررسی مفاهیم اساسی زیربنای سیستم‌های BDA از جمله بنیادهای تحلیل عظیم‌داده و علم داده، چارچوب‌، معماری‌، ابزار و پلتفرم‌ها و فنون محاسباتی می‌پردازد.

۲- روش‌های توسعه برای سیستم‌های تحلیل عظیم‌داده: این بخش، با بررسی روش‌های توسعه‌ مانند CRISP-DM، SEMMA و KDD در کنار روش‌های توسعه‌ی نرم‌افزار عمومی مانند RUP، MBASE و MSF، به عمق روش‌های توسعه می‌پردازد. همچنین، این بخش به بررسی روش‌های خاص چابک، ترکیبی و سبک‌وزن مبتنی بر چارچوب‌هایی مانند Scrum، XP، ISO/IEC 29110 و Microsoft TDSP می‌پردازد.

۳- کاربرد، چالش‌ و مسیرهای آینده‌ی سیستم‌های تحلیل عظیم‌داده: این بخش به بررسی کاربردهای واقعی سیستم‌های BDA در حوزه‌های مختلفی مانند مراقبت‌های بهداشتی، بازاریابی، امور مالی، آموزش، ورزش، خرده فروشی، لجستیک و تولید و همچنین چالش‌ها، محدودیت‌ها و روندهای فعلی در این زمینه می‌پردازد.


این کتاب را می‌توانید از لینک زیر دریافت فرمایید.

🔗 https://bdbanalytics.ir/4mm6


#معرفی_کتاب
#عظیم_داده
#زهرا_رفیعی‌پور


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir