توضیحاتی در مورد کتاب Data Architecture: A Primer for the Data Scientist: A Primer for the Data Scientist
نام کتاب : Data Architecture: A Primer for the Data Scientist: A Primer for the Data Scientist
ویرایش : 2 ed.
عنوان ترجمه شده به فارسی : معماری داده: آغازگر برای دانشمند داده: آغازگر برای دانشمند داده
سری :
نویسندگان : W.H. Inmon, Daniel Linstedt, Mary Levins
ناشر : Academic Press
سال نشر : 2019
تعداد صفحات : 431
[633]
ISBN (شابک) : 9780128169179 , 0128169176
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 81 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 :
در طول 5 سال گذشته، مفهوم داده های بزرگ به بلوغ رسیده است، علم داده به طور تصاعدی رشد کرده است، و معماری داده به بخشی استاندارد از تصمیم گیری سازمانی تبدیل شده است. در طول تمام این تغییرات، اصول اولیه ای که معماری داده ها را شکل می دهد یکسان باقی مانده است. همچنان نیاز است که مردم نگاهی به \"تصویر بزرگتر\" بیندازند و بفهمند که دادههایشان در کجای طرح کلان چیزها قرار میگیرد. معماری داده: یک آغازگر برای دانشمند داده، ویرایش دوم به تصویر معماری بزرگتر از نحوه تطبیق داده های بزرگ در زیرساخت اطلاعات موجود یا سیستم های انبار داده می پردازد. این موضوع نه تنها برای دانشمندان داده، تحلیلگران و مدیران، بلکه برای محققان و مهندسانی که به طور فزاینده ای نیاز به سر و کار داشتن با مجموعه های بزرگ و پیچیده داده دارند، ضروری است. تا زمانی که داده ها جمع آوری نشوند و نتوان آنها را در یک چارچوب یا معماری موجود قرار داد، نمی توان از آنها با پتانسیل کامل خود استفاده کرد. با تکیه بر سالها تجربه عملی و استفاده از مثالها و مطالعات موردی متعدد از صنایع مختلف، نویسندگان به دنبال توضیح این تصویر بزرگتر هستند که دادههای بزرگ در آن قرار میگیرند، و به دانشمندان داده زمینه لازم را برای اینکه چگونه قطعات پازل باید با هم تطبیق دهند، ارائه دهند. مطالعات موردی جدید شامل پوشش گسترده مدیریت متن و تجزیه و تحلیل فصلهای جدید در مورد تجسم و دادههای بزرگ بحث در مورد تجسمهای جدید معماری حالت نهایی
توضیحاتی در مورد کتاب به زبان اصلی :
Over the past 5 years, the concept of big data has matured, data science has grown exponentially, and data architecture has become a standard part of organizational decision-making. Throughout all this change, the basic principles that shape the architecture of data have remained the same. There remains a need for people to take a look at the "bigger picture" and to understand where their data fit into the grand scheme of things. Data Architecture: A Primer for the Data Scientist, Second Edition addresses the larger architectural picture of how big data fits within the existing information infrastructure or data warehousing systems. This is an essential topic not only for data scientists, analysts, and managers but also for researchers and engineers who increasingly need to deal with large and complex sets of data. Until data are gathered and can be placed into an existing framework or architecture, they cannot be used to their full potential. Drawing upon years of practical experience and using numerous examples and case studies from across various industries, the authors seek to explain this larger picture into which big data fits, giving data scientists the necessary context for how pieces of the puzzle should fit together. New case studies include expanded coverage of textual management and analytics New chapters on visualization and big data Discussion of new visualizations of the end-state architecture