دانلود ها ی دارای تگ: "داده های حجیم"

12 مورد برای عبارت مورد نظر پیدا شد.

دانلود O'Reilly Big Data Analytics with Excel Training Video - آموزش تجزیه و تحلیل روی داده های حجیم در اکسل

  • بازدید: 19,203
دانلود O'Reilly Big Data Analytics with Excel Training Video - آموزش تجزیه و تحلیل روی داده های حجیم
داده های بزرگ یا عظیم داده ترجمه اصطلاح Big Data می باشد که معمولا به مجمعه از داده ها اطلاق می شود که اندازه آنها فراتر از حدی است که با نرم افزارهای معمول بتوان آنها را در یک زمان معقول اخذ، دقیق سازی، مدیریت و پردازش کرد. مفهوم «اندازه» در داده های بزرگ بطور مستمر در حال تغییر است و به مرور بزرگتر می شود. داده های بزرگ (Big Data) مجموعه از تکنیک ها و تاکتیک هایی است که نیازمند شکل جدیدی از یکپارچگی هستند تا بتوانند ارزش های بزرگی را که در مجموعه های بزرگ، وسیع، پیچیده و متنوع داده پنهان شده اند، آشکار سازند
در دوره آموزشی O'Reilly Big Data Analytics with Excel Training Video با نحوه استفاده از اکسل و انجام محاسبات توسط آن برای پردازش روی داده های حجیم آشنا می شوید.

دانلود Udemy Big Data Analytics with Apache Spark and Python - آموزش آنالیز داده های حجیم با آپاچی اسپارک و پایتون

  • بازدید: 16,919
دانلود Udemy Big Data Analytics with Apache Spark and Python - آموزش آنالیز داده های حجیم با آپاچی ا
داده‌ های عظیم، ابر داده، بزرگ‌داده یا داده‌ های بزرگ (Big Data) اصطلاحی است که به مجموعه داده‌ هایی اطلاق می‌شود که مدیریت، کنترل و پردازش آنها فراتر از توانایی ابزارهای نرم‌افزاری در یک زمان قابل تحمل و مورد انتظار است. مقیاس بزرگ‌ داده، به طور مداوم در حال رشد از محدوده چند ۱۰ ترابایت به چندین پتابایت، در یک مجموعه داده واحد است. نـمونه‌هایی از بزرگ‌ داده، گــزارش‌ های وبی، سامانه‌ های بازشناسی با امواج رادیویی، شبکه‌های حسگر، شبکه‌های اجتماعی، متون و اسناد اینترنتی، نمایه‌های جستجوهای اینترنتی، نجوم، مدارک پزشکی، آرشیو عکس، آرشیو ویدیو، پژوهش‌های زمین‌شناسی و تجارت در مقیاس بزرگ هستند. آپاچی اسپارک فعال ترین و بهترین پروژه آپاچی است که برای آنالیز داده های حجیم به کار می رود. در دوره آموزشی Udemy Big Data Analytics with Apache Spark and Python با اصول و موارد اساسی کار با داده های حجیم و آپاچی اسپارک آشنا می شوید.