آموزش تحلیل سیستم داده های حجیم – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

گروه مدرسین فرادرس
گروه مدرسین فرادرس

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد. (+)



داده های حجیم به داده هایی اطلاق می شود که فراتر از حجم متداول ذخیره سازی، ظرفیت پردازش و محاسبات بانک های اطلاعاتی و یا الگوریتم های تحلیل داده ای باشند. امروزه با گسترش روز افزون تکنولوژی و ابزارهای آن (بانک های اطلاعاتی بزرگ، شبکه های اجتماعی، وب و اینترنت) با انبوهی از داده های تولید شده توسط این ابزارها مواجه هستیم. در واقع در داده ها غرق شده و از کمبود دانش رنج می بریم. مدیریت داده های حجیم شامل سه بخش مهم است: ذخیره سازی، پردازش و تحلیل داده های حجیم.

👤 مدرس: گروه مدرسین فرادرس
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در حال برنامه ریزی
زمان تقریبی انتشار بر حسب تعداد درخواست های دانشجویان و اولویت زمانی و آموزشی اعضای هیات علمی فرادرس، انتشار این آموزش در واحد نشر فرادرس اولویت سنجی می شود. انتشار یک آموزش پس از شروع به ضبط ۴ تا ۱۲ هفته زمان می برد.

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.




    توضیحات

    داده های حجیم به داده هایی اطلاق می شود که فراتر از حجم متداول ذخیره سازی، ظرفیت پردازش و محاسبات بانک های اطلاعاتی و یا الگوریتم های تحلیل داده ای باشند. امروزه با گسترش روز افزون تکنولوژی و ابزارهای آن (بانک های اطلاعاتی بزرگ، شبکه های اجتماعی، وب و اینترنت) با انبوهی از داده های تولید شده توسط این ابزارها مواجه هستیم. در واقع در داده ها غرق شده و از کمبود دانش رنج می بریم. مدیریت داده های حجیم شامل سه بخش مهم است: ذخیره سازی، پردازش و تحلیل داده های حجیم. ذخیره سازی داده ها شامل: ضبط داده، اشتراک گذاری، جستجوی داده ها و ابزارهای ذخیره سازی داده های حجیم است. پردازش داده های حجیم شامل: معماری های پردازش موازی داده های حجیم، شبکه های توری، شبکه های محاسباتی خوشه ای و چارچوب های محاسبات ابری است.

    بخش سوم داده های حجیم به تحلیل داده ها بر می گردد که در این سری از درس ها تمرکز بر روی آن است. داده کاوی به عنوان ابزار مؤثر برای استخراج دانش از داده ها به کار می رود، ولی برای داده های حجیم داده کاوی سنتی و ابزارهای آن، نیاز به سفارشی شدن و تغییرات عمده ای دارند. در این سری از دروس یاد می گیریم که چگونه از این الگوریتم ها برای تحلیل و اکتساب دانش از داده ها استفاده کنیم.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم:
      • مقدمه ای بر داده های حجیم
        • تعاریف اولیه
        • تعریف کلمات کلیدی در داده های حجیم
        • انواع داده های حجیم
        • انواع مدل های محاسباتی در داده های حجیم
        • ارائه نقشه کلی (شامل کلیه سرفصل ها)
    • درس دوم:
      • مدل محاسباتی هادوپ (Hadoop)
      • مدل برنامه نویسی نگاشت /کاهش (MapReduce)
      • حل مثال
    • درس سوم:
      • خلاصه سازی اقلام داده ای مشابه
        • تعریف مسأله
        • ارائه یک راه حل و تحلیل آن (مثلا بر روی اقلام داده ای مستندات و صفحات وب)
    • درس چهارم:
      • خلاصه سازی تحلیل لینک
        • تعریف مسأله
        • ارائه یک راه حل و تحلیل آن (مثلا بر روی وب گراف)
    • درس پنجم:
      • خلاصه سازی خوشه بندی
        • تعریف مسأله خوشه بندی داده های حجیم
        • ارائه راه حل های مناسب برای داده های حجیم با ابعاد مختلف و چالش های آن
    • درس ششم:
      • استخراج ویژگی داده های جریانی
        • تعریف جریان داده
        • چالش ها و تکنیک های استخراج دانش از داده های جریانی
    • درس هفتم:
      • استخراج ویژگی کاهش ابعاد در داده های ابعاد بالا
        • تعریف داده های ابعاد بالا
        • چالش ها و تکنیک های استخراج دانش از داده های ابعاد بالا
    • درس هشتم:
      • استخراج ویژگی الگوهای مکرر در داده های حجیم
        • تعریف الگوهای مکرر
        • چالش ها و تکنیک های استخراج الگوهای مکرر از داده های حجیم
    • درس نهم:
      • چالش ها
      • مسائل و کاربردها در داده های حجیم شامل محورهای زیر:
        • خوشه بندی در داده های جریانی
        • سیستم های پیشنهاد دهنده
        • تحلیل شبکه های اجتماعی
        •  تبلیغات در وب

     

    مفید برای رشته های
    • علوم کامپیوتر
    • مهندسی برق − قدرت


    اطلاعات تکمیلی

    نام آموزش آموزش تحلیل سیستم داده های حجیم – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVSFT9609
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)




    دیدگاه ها

    نظر شما در مورد این فرادرس چیست؟

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.


تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.

فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان