مجله علمی تفریحی بیبیس
0

دانلود کتاب رمزگشایی علم داده های گراف – الگوریتم های نمودار، روش های تجزیه و تحلیل، پلت فرم ها، پایگاه های داده و موارد استفاده

بازدید 636
  • عنوان کتاب: Demystifying Graph Data Science /Graph algorithms, analytics methods, platforms, databases, and use cases
  • نویسنده: Pethuru Raj, Abhishek Kumar
  • حوزه: گراف
  • سال انتشار: 2022
  • تعداد صفحه: 415
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 25.34 مگابایت

با بلوغ و ثبات سریع‌تر فناوری‌های دیجیتال، ما با هزاران موجودیت دیجیتال، دستگاه‌های متصل و میکروسرویس بمباران می‌شویم. اینها به طور هدفمند برای ایجاد مجموعه های عظیمی از داده های دیجیتال چندساختار شده با هم تعامل دارند. چالش این است که چگونه داده ها را به اطلاعات و به دانش تبدیل کنیم. روش های تجزیه و تحلیل داده ها به وفور وجود دارد. سرعت تجزیه و تحلیل داده ها با مشارکت مستمر فروشندگان محصول و ابزار، سرعت و دقت بسیار مورد نیاز را به دست می آورد. علم داده حوزه ای است که به طور فزاینده ای با تجزیه و تحلیل داده ها مرتبط است. برای ساده‌تر، سریع‌تر و مقرون به صرفه‌تر کردن تجزیه و تحلیل داده‌ها، پلتفرم‌ها، چارچوب‌ها، شتاب‌دهنده‌ها، جعبه‌های ابزار و غیره بزرگ، سریع و جریانی برای تجزیه و تحلیل داده‌ها وجود دارد. در دنیای داده های بزرگ، NoSQL و پایگاه های داده توزیع شده SQL به سرعت بازار و سهم ذهنی را به دست آوردند. پایگاه داده های گراف یکی از پایگاه های داده برجسته NoSQL هستند. نمایش داده ها از طریق نمودارها، پایه ای محرک برای تجسم و تحقق بخشیدن به جریانی از قابلیت های تازه ایجاد کرده است. از سوی دیگر، شایستگی تحلیلی به طور قابل توجهی از طریق بلوغ و پایداری سریع‌تر الگوریتم‌های هوش مصنوعی (AI) [یادگیری ماشینی و عمیق (ML/DL)] بهبود می‌یابد. بنابراین، پارادایم کلاسیک و کنونی علم داده به طور قابل توجهی پیشرفت کرده است تا توانایی های پیچیده ای از طریق توانمندسازی مستقیم و متمایز الگوریتم های هوش مصنوعی داشته باشد. اکنون یک پیچ و تاب وجود دارد. به کارگیری روش‌های علم داده الهام گرفته از هوش مصنوعی بر روی داده‌های ساختاریافته نموداری به‌عنوان یک تغییر واضح بازی برای دنیای دیجیتال دیده می‌شود. استخراج الگوهای پنهان، ارتباطات مفید، ریسک‌های قریب‌الوقوع، فرصت‌های آینده و سایر بینش‌های مفید و قابل استفاده از انبوه داده‌ها از طریق پلتفرم‌ها، چارچوب‌ها و موتورهای علم داده، یک امر عادی جدید است. به‌ویژه علم داده در داده‌های گراف اهمیت ویژه‌ای پیدا می‌کند، زیرا درک محکمی وجود دارد که ترکیب نمودارها و تکنیک‌های علم داده می‌تواند نوآوری‌ها و دگرگونی‌های قابل توجه زیادی را به همراه داشته باشد.

With the faster maturity and stability of digital technologies, we are being bombarded with zillions of digital entities, connected devices, and microservices. These interact purposefully to create huge sets of poly-structured digital data. The challenge is how to transition data into information and into knowledge. There are data analytics methods in plenty. The pace of data analytics is gaining the much-needed speed and sagacity with the continuous contributions of product and tool vendors. Data science is the domain increasingly associated with data analytics. There are big, fast and streaming data analytics platforms, frameworks, accelerators, toolkits, etc. for making data analytics simpler, faster and affordable. In the big data world, NoSQL and distributed SQL databases gained the market and mind shares fast. Graph databases are one of the prominent NoSQL databases. Data representation through graphs has laid down a stimulating foundation to visualize and realize a stream of fresh capabilities. On the other hand, the analytical competency is significantly improved through the faster maturity and stability of artificial intelligence (AI) algorithms [machine and deep learning (ML/DL)]. Thus, the classical and current data science paradigm is substantially advanced to have sophisticated abilities through the direct and distinct empowerment of AI algorithms. There is a twist now. Applying the AIinspired data science methods on graph-structured data is being seen as a clear-cut gamechanger for the digital world. Extracting hidden patterns, useful associations, impending risks, future opportunities, and other useful and usable insights out of data heaps through data science platforms, frameworks, and engines is the new normal. Especially data science on graph data is acquiring special significance as there is a solid understanding that the blending of graphs and data science techniques can bring in a lot of noteworthy innovations and transformations.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Demystifying Graph Data Science

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید