توضیحات
Big Data of Complex Networks presents and explains the methods from the study of big data that can be used in analysing massive structural data sets, including both very large networks and sets of graphs. As well as applying statistical analysis techniques like sampling and bootstrapping in an interdisciplinary manner to produce novel techniques for analyzing massive amounts of data, this book also explores the possibilities offered by the special aspects such as computer memory in investigating large sets of complex networks.
Intended for computer scientists, statisticians and mathematicians interested in the big data and networks, Big Data of Complex Networks is also a valuable tool for researchers in the fields of visualization, data analysis, computer vision and bioinformatics.
Key features:
- Provides a complete discussion of both the hardware and software used to organize big data
- Describes a wide range of useful applications for managing big data and resultant data sets
- Maintains a firm focus on massive data and large networks
- Unveils innovative techniques to help readers handle big data
Matthias Dehmer received his PhD in computer science from the Darmstadt University of Technology, Germany. Currently, he is Professor at UMIT The Health and Life Sciences University, Austria, and the Universitt der Bundeswehr Mnchen. His research interests are in graph theory, data science, complex networks, complexity, statistics and information theory.
Frank Emmert-Streib received his PhD in theoretical physics from the University of Bremen, and is currently Associate professor at Tampere University of Technology, Finland. His research interests are in the field of computational biology, machine learning and network medicine.
Stefan Pickl holds a PhD in mathematics from the Darmstadt University of Technology, and is currently a Professor at Bundeswehr Universitt Mnchen. His research interests are in operations research, systems biology, graph theory and discrete optimization.
Andreas Holzinger received his PhD in cognitive science from Graz University and his habilitation (second PhD) in computer science from Graz University of Technology. He is head of the Holzinger Group HCI-KDD at the Medical University Graz and Visiting Professor for Machine Learning in Health Informatics Vienna University of Technology.
————————————————————–
ترجمه ماشینی :
داده های بزرگ شبکه های پیچیده روش هایی را از مطالعه کلان داده ها ارائه و توضیح می دهد که می توانند در تجزیه و تحلیل مجموعه داده های ساختاری عظیم، از جمله شبکه های بسیار بزرگ و مجموعه های نمودارها استفاده شوند. این کتاب علاوه بر استفاده از تکنیکهای تجزیه و تحلیل آماری مانند نمونهبرداری و راهاندازی به شیوهای میان رشتهای برای تولید تکنیکهای جدید برای تجزیه و تحلیل حجم عظیمی از دادهها، امکانات ارائه شده توسط جنبههای خاص مانند حافظه رایانه در بررسی مجموعههای بزرگی از شبکههای پیچیده را نیز بررسی میکند. /P>
در نظر گرفته شده برای دانشمندان کامپیوتر، آماردانان و ریاضیدانان علاقه مند به داده های بزرگ و شبکه ها، داده های بزرگ شبکه های پیچیده همچنین ابزار ارزشمندی برای محققان در زمینه های تجسم، تجزیه و تحلیل داده ها، بینایی کامپیوتر و بیوانفورماتیک.
ویژگیهای کلیدی:
- مباحث کاملی از سختافزار و نرمافزار مورد استفاده برای سازماندهی دادههای بزرگ ارائه میکند.
- گستره وسیعی از برنامه های کاربردی مفید را برای مدیریت کلان داده و مجموعه داده های حاصل توصیف می کند
- نگهداری می کند تمرکز جدی بر روی داده های عظیم و شبکه های بزرگ
- روش های خلاقانه برای کمک به خوانندگان در مدیریت کلان داده ها
ماتیاس دهمر دکتری خود را در علوم کامپیوتر از دانشگاه صنعتی دارمشتات آلمان دریافت کرد. در حال حاضر، او است
tag : دانلود کتاب داده های بزرگ شبکه های پیچیده , Download داده های بزرگ شبکه های پیچیده , دانلود داده های بزرگ شبکه های پیچیده , Download Big data of complex networks Book , داده های بزرگ شبکه های پیچیده دانلود , buy داده های بزرگ شبکه های پیچیده , خرید کتاب داده های بزرگ شبکه های پیچیده , دانلود کتاب Big data of complex networks , کتاب Big data of complex networks , دانلود Big data of complex networks , خرید Big data of complex networks , خرید کتاب Big data of complex networks ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.