توضیحاتی در مورد کتاب Big and Complex Data Analysis. Methodologies and Applications
نام کتاب : Big and Complex Data Analysis. Methodologies and Applications
عنوان ترجمه شده به فارسی : تجزیه و تحلیل داده های بزرگ و پیچیده روش ها و کاربردها
سری :
نویسندگان : S. Ejaz Ahmed
ناشر : Springer
سال نشر : 2017
تعداد صفحات : [390]
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 12 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این جلد برخی از شگفتیها، معماها و داستانهای موفقیت در تجزیه و تحلیل دادههای با ابعاد بالا و پیچیده و زمینههای مرتبط را ارائه میکند. مشارکتهای بررسیشده آن، پیشرفتهای اخیر در استراتژیهای انتخاب متغیر، تخمین و پیشبینی برای مجموعهای از مدلهای مفید، و همچنین پیشرفتهای جدید ضروری در این زمینه را نشان میدهد.
پیشرفت مداوم و سریع فناوری مدرن اکنون به دانشمندان اجازه میدهد. برای جمع آوری داده هایی با اندازه و پیچیدگی بی سابقه. به عنوان مثال می توان به داده های اپی ژنومیک، داده های ژنومی، داده های پروتئومی، داده های تصویری با وضوح بالا، داده های مالی با فرکانس بالا، داده های عملکردی و طولی و داده های شبکه اشاره کرد. انتخاب و تخمین متغیر همزمان یکی از مشکلات آماری کلیدی در تجزیه و تحلیل چنین داده های بزرگ و پیچیده ای است.
هدف این کتاب تحریک پژوهش و تقویت تعامل بین محققان در حوزه تحلیل داده های با ابعاد بالا می باشد. . به طور دقیق تر، اهداف آن عبارتند از: 1) برجسته کردن و گسترش وسعت روش های موجود در داده های بزرگ و تجزیه و تحلیل داده های با ابعاد بالا و پتانسیل آنها برای پیشرفت علوم ریاضی و آمار، 2) شناسایی مسیرهای مهم برای تحقیقات آینده در تئوری روشهای منظمسازی، در توسعه الگوریتمی، و در روششناسی برای حوزههای کاربردی مختلف و 3) تسهیل همکاری بین محققان نظری و موضوعی خاص
توضیحاتی در مورد کتاب به زبان اصلی :
This volume conveys some of the surprises, puzzles and success stories in high-dimensional and complex data analysis and related fields. Its peer-reviewed contributions showcase recent advances in variable selection, estimation and prediction strategies for a host of useful models, as well as essential new developments in the field.
The continued and rapid advancement of modern technology now allows scientists to collect data of increasingly unprecedented size and complexity. Examples include epigenomic data, genomic data, proteomic data, high-resolution image data, high-frequency financial data, functional and longitudinal data, and network data. Simultaneous variable selection and estimation is one of the key statistical problems involved in analyzing such big and complex data.
The purpose of this book is to stimulate research and foster interaction between researchers in the area of high-dimensional data analysis. More concretely, its goals are to: 1) highlight and expand the breadth of existing methods in big data and high-dimensional data analysis and their potential for the advancement of both the mathematical and statistical sciences 2) identify important directions for future research in the theory of regularization methods, in algorithmic development, and in methodologies for different application areas and 3) facilitate collaboration between theoretical and subject-specific researchers