دانلود و نمایش مقالات مرتبط با دانلود مقاله داده های بزرگ با ترجمه فارسی::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - دانلود مقاله داده های بزرگ با ترجمه فارسی

تعداد مقالات یافته شده: 52
ردیف عنوان نوع
1 یک استخر بزرگ داده برای تجزیه و تحلیل جریان چند سطحی
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 23
سازمان های بزرگ در جستجوی برای ایجاد سبک معماری جدید و پلتفرم های قیاس پذیر برای تاثیرگذاری بر چالش های مدیریت داده های دستی وابسته به انفجار طبیعی داده هستند که در گذشته به ندرت دیده شده .چالش مدیریت این داده ها به قدری بزرگ به وسیله ی توانایی جریان داده ها در سرعت بالا از منابع متنوع در فرمت ها یا قالب های چندگانه مطرح شده است.تغییرات در نمونه داده منجر به ظهور تجزیه و تحلیل داده های جدید و معماری مدیریت می شود. این مقاله بر حجم بالای ذخیره سازی , سرعت و تنوع داده ها در فرمت های خام در یک معماری قوی داده تمرکز می کند که استخر داده نامیده شده.اول اینکه , ما مطالعه مان را روی محدودیت های انبارکردن داده سنتی در اداره تغییرات اخیر در نمونه داده ارائه می دهیم. ما پلتفرم های تجاری و (برنامه های ) متن باز مختلفی را مورد بحث و مقایسه انجام می دهیم که می تواند برای توسعه استخر داده مورد استفاده قرارگیرد. سپس ما طرح پایان استخر داده خودمان را توضیح می دهیم و از رویکرد سیستم فایل توزیع شده Hadoop (HDFS) روی پلتفرم داده Hadoop (HDP) استفاده می کنیم . در نهایت, ما یک جهان واقعی توسعه استخر داده را ارائه می دهیم که در مورد فروبردن جریان داده , چو بست زدن , و تجزیه و تحلیل جریان چند ترازه که داده بدون ساختار بندی و ساختار بندی شده ترکیب می شود. این مطالعه می تواند همانند یک راهنمای برای برنامه ریزی کردن سازمان ها و برنامه ریزی فردی جهت بکار رود تا راه حل هایی برای موارد مورد استفاده شان از استخر داده انجام شود.
کلمات کلیدی: پلتفرم داده هادوپ| سیستم فایل توزیع شده هادوپ | NiFi | جریان داده ها | داده ساختاربندی نشده
مقاله ترجمه شده
2 به‌کارگیری فناوری داده های بزرگ برای نوآوری در بازاریابی B2B
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 29
هدف مقاله: این مقاله به بررسی کاربرد کلان داده در نوآوری و رهبری بازار در رابطه ی بنگاه به بنگاه می-پردازد. این چارچوبی برای تحلیل تأثیر کلان داده ارائه می دهد و 4 مطالعه ی موردی، پشتیبان نتایج هستند.
روش / رویکرد: این یک مقاله ی مفهومی است که توسط مطالعات موردی تأیید می شود و فرصتی برای تعمیم مفهومی ارائه می دهد. سازمان های انتخاب شده به‌عنوان مطالعه ی موردی در حال ارائه ی نوآوری هستند تا همچنان در بازار، پیشتاز باشند و فعالیت خود را گسترش دهند، با استفاده از کلان داده از فرصت-های بازار استفاده نموده و ابداعات نو خلق نمایند.
یافته ها: سازمان‌ها دریافت کنندگان و گردآورندگان کلان داده هستند، این تا اندازه ای در اثر افزایش حجم کسب‌وکار و آنلاین شدن تعاملات مشتریان پدید می آید. کاوش کیفی مطالعات موردی نشان می دهد کلان-داده و تحلیل ها و کاربردهای آن را می توان شاخصی برای توانایی سازمان‌ها در نوآوری در واکنش به فرصت-های بازار دانست. پیامدها / محدودیت های پژوهش: محیط بازاریابی آنلاین محیطی پویا است، در این محیط بایستی سازمان‌ها برای بقا دست به نوآوری بزنند. یک محدودیت این است که مطالعات موردی در این مقاله به آن دسته سازمان‌ها که در نوآوری عقب مانده اند، نمی پردازند، برای این سازمان‌ها، بقا یک مشکل بزرگ است. مثال های این مقاله محدود به سازمان های موفقی هستند که در آن‌ها کلان داده، داده کاوی و تحلیل، موفقیت راهبردی را نتیجه می دهند.
پیامدهای عملی: برخی سازمان های بنگاه به بنگاه در بازارهایی فعالیت دارند که خدمات و محصولاتشان تأثیر زیادی بر ارزشی که مشتریان بنگاه به بنگاه برای مشتریان نهایی (B2C) فراهم می آورند دارند و بایستی در فعالیت نوآوری خود، به‌طور کامل همراه با مشتریان بنگاه به بنگاه خود با بازار B2C درگیر شوند. این پیامدهایی در تمامی حوزه ها از منابع راهبردی تا منابع انسانی دارد. اگر دودمان سازمان بنگاه به بنگاه، فعالیت B2C موازی با فعالیت سایر مشتریان را شامل شود، اما فعالیت رقبا را در برنگیرد، این می تواند به آن‌ها مزیتی در بازاریابی ارائه دهد، اما اگر فعالیت های B2C آن‌ها دست درازی به فعالیت های B2C را آغاز نماید، این ممکن است موجب تعارض و زیان کسب‌وکار شود. این بدان معناست که چنانچه راهبرد بازاریابی مابین حوزه های مجزای شاخه های مختلف کسب‌وکار جای گیرد، پتانسیل تعارض افزایش می یابد.
اصالت / ارزش مقاله: ارزش مقاله در این است: سهمی که در درک نقش کلان داده در نوآوری کسب‌وکار به‌ویژه در سازمان های بنگاه به بنگاه و جایی که نوآوری آن‌ها می تواند تجربه ی مشتری در انتهای زنجیره ی ارزش (یعنی نزد مشتریان نهایی) را متحول کند، دارد. درنتیجه این مقاله به بررسی شکاف پژوهشی موجود در متون و مقالات کمک می کند و می خواهد بر نحوه ی اثرگذاری این نوآوری بر رابطه ی بنگاه به بنگاه تمرکز نماید.
کلیدواژه ها: داده های بزرگ | تحلیل | نوآوری | رهبری بازار | کسب‌وکار | مشتریان | پلتفرم ها | محاسبات ابری
مقاله ترجمه شده
3 فشرده سازی هوشمند برای داده های بزرگ: مرور
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 40
در سال های اخیر، شبکه هوشمند توجه گسترده ای از سراسر جهان را به خود جلب کرده است. داده های مقیاس بزرگ توسط سنسور ها و دستگاه های اندازه گیری در یک شبکه هوشمند جمع آوری می شوند. مقیاس هوشمند می تواند اطلاعات دقیق در مورد مصرف الکتریسیته را در زمان واقعی به ثبت برساند، بنابراین داده های بزرگ در مقیاس هوشمند اندازه گیری می شود. داده های بزرگ مقیاس هوشمند فرصت های جدیدی برای پیش بینی بار الکتریکی، کشف عادت ها و مدیریت تقاضا ارائه داده است. با این حال، ابعاد بزرگ و داده های بزرگ در مقیاس هوشمند عظیم نه تنها فشار زیادی را بر خطوط انتقال داده ایجاد می کند، بلکه هزینه های ذخیره سازی زیادی را در مراکز داده نیز به همراه می آورد. بنابراین، برای کاهش فشار انتقال و ارتفاع محل ذخیره سازی، برای بهبود راندمان استخراج داده ها، و به اين ترتيب ظرفیت های تحقق هوشمند داده های بزرگ 130 سانتی متری است. مقاله پیش رو یک مطالعه جامع در مورد تکنیک های فشرده سازی داده های بزرگ هوشمند را ارائه می دهد. توسعه شبکه های هوشمند و خصوصیات و چالش های کاربرد داده های بزرگ الکتریکی ابتدا معرفی شده و سپس تجزیه و تحلیل ویژگی ها و مزایای داده های بزرگ مقیاس بزرگ انجام می پذیرد. در نهایت، این مطالعه بر روی روش های فشرده سازی اطلاعات بالقوه برای داده های بزرگ هوشمند تمرکز می کند و روش های ارزیابی فشرده سازی داده های مقیاس هوشمند را مورد بحث قرار می دهد.
کلمات کلیدی: شبکه هوشمند | مقیاس هوشمند | داده های بزرگ انرژی | فشرده سازی داده ها.
مقاله ترجمه شده
4 کاربرد فناوری و روش داده های بزرگ در آموزش اخلاقی در کالج ها و دانشگاه ها
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 12
با رشد علم و فناوری و پیشرفت علوم و تکنولوژی، ما وارد عصر جدیدی از "داده های بزرگ" شده ایم که زندگی را تحت تاثیر قرار می دهد و بی سر و صدا می کند. در این دوره جدید، همراه با ویژگی های خود و استفاده موثر از فن آوری و روش های داده های بزرگ، آموزش اخلاقی به موقع در کالج ها و دانشگاه ها باید فرصت های مطلوب را به دنبال داشته باشد و به طور پیوسته یکپارچه سازی فن آوری های دیجیتال و روح انسانیت را درک کند ، ادغام مکمل های آموزش شبکه و آموزش واقعی، ادغام مکمل های تفکر داده ها و تجربه های سنتی، و ادغام مکمل های آگاهی های موقعیتی و آموزش های همه جانبه باید صورت بگیرد. در این راستا، توسعه مؤثر آموزش اخلاقی در کالج ها و دانشگاه ها می تواند به طور مداوم بهبود یابد.
لغات کلیدی: داده های بزرگ | کالج و دانشگاه ها | اموزش اخلاقی
مقاله ترجمه شده
5 داده و دانش کاوی با داده های بزرگ برای تولید هوشمند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 45
مطابق با پیشرفت نوآورانه فناوری اطلاعات و ارتباطات (ICT) و کاربرد آنها در صنعت تولید، دوران بزرگ داده های تولیدی مطابق با انها است و تکنیک های داده کاوی (DMTs)، راه را برای دستیابی به اهداف تولید هوشمند با کنترل زمان واقعی، پویا، خود سازگار و دقیق فراهم می سازد. با این حال، بسیاری از عوامل در محیط همیشه در حال تغییر در صنعت تولید هستند، از جمله، فرآیندهای تولید پیچیده، مقیاس بزرگ و عدم اطمینان، محدودیت پیچیده تر، ترکیب عملکردی عملیات، و غیره، که تولید مدیریت را با چالش های بزرگی همراه می سازد. ورودی پویا تعداد زیادی از داده های خام که از مکان های تولید فیزیکی جمع آوری شده یا تولید شده است؛ در سیستم های مختلف مربوط به اطلاعات، موجب شد تا مشکلات سنگین اطلاعات بیش از حد فراهم شود. در واقع، بسیاری از DMT های سنتی هنوز به اندازه کافی برای پردازش داده های بزرگ در تولید مدیریت هوشمند نیستند. بنابراین، در این مقاله، توسعه DMT ها در دوران بزگی از داده ها را مورد بررسی قرار می دهیم و از سال 2010 با انتخاب و تجزیه و تحلیل مقالات مربوطه در مورد کاربرد DMT ها در مدیریت تولید بحث می کنیم. در عین حال، در این مقاله ما محدودیت ها را مطرح می کنیم و برخی از پیشنهادات را در مورد هوشمند بودن و کاربرد بیشتر DMT ها که در مدیریت تولید به کار می رود را ارائه می دهیم.
کلمات کلیدی: داده های بزرگ | تکنیک های داده کاوی (DMTs) | مدیریت تولید | تولید هوشمند | تجزیه و تحلیل آماری | کشف دانش
مقاله ترجمه شده
6 عملیاتی کردن یک شهر ازنظر زیست محیطی پایدار با استفاده از داده های بزرگ مربوط به سطح ریزگردها که در هر مدرسه ابتدایی اندازه گیری شده اند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 16
از آنجایی که مشکل آلودگی ریزگردها به صورت روزافزونی در کره جنوبی درحال جدی تر شدن می باشد، این کشور روز به روز به دستیابی به اطلاعاتی درباره سطوح ریزگردها درحال علاقه مندتر شدن می باشد. داده های مربوط به سطح ریزگردها حدکافی محلی هستند تا پیش بینی های منطقه ای را بی معنی کنند. بنابراین این مطالعه دارای یک روش سنجش جایگزین برای به حداقل رساندن اختلافات بین سطوح منتشر شده و سطوح مشاهده شده ریزگردها می باشد. با وجود تغیرات زیاد در سطح ریزگردها در داخل نواحی شهری، فراهم کردن سنجش هایی که به حدکافی نماینده و معرّف ناحیه باشند بسیار دشوار می باشد. چون بچه ها و دانش آموزان دوره ابتدایی نسبت به بزرگسال ها به ریزگردها حساس تر می باشد ساخت یک سری داده های بزرگ از سنجش های سطح ریزگردها در مدارس ابتدایی مفید می باشد. در کره، توزیع مدارس ابتدایی با چگالی جمعیت سازگار می باشد که برای تحلیل تفاوت های محلی موجود در سطح ریزگردها در نواحی شهری مفید می باشد. این مطالعه با استفاده از مدل رنگی فازی، یک پایه ای را برای به کارگیری داده های بزرگ در سیاست و چشم انداز سلامت همگانی فراهم خواهد کرد.
کلیدواژه ها: ریزگرد | داده های بزرگ | شهر پایدار | سیاست سلامت همگانی | تصاویر حاوی اطلاعات | مدل فاز رنگی
مقاله ترجمه شده
7 مروری بر مورد یادگیری عمیق برای داده های بزرگ
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 44
یادگیری عمیق، به عنوان یکی از مهم ترین تکنیک های یادگیری ماشینی، موفقیت های زیادی در بسیاری از برنامه های کاربردی مانند تحلیل تصویر، تشخیص گفتار و درک متن بدست اورده است . انها از استراتژی های نظارت شده و بی نظیر برای یادگیری چندین سطح و ویژگی های معماری سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کنند. پیشرفت های اخیر در شبکه های حسگر و فناوری های ارتباطی، قادر به جمع آوری داده های بزرگ می باشد. اگر چه داده های بزرگ فرصت های خوبی برای بسیاری از زمینه ها از جمله تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند فراهم می اورند، اما در زمینه داده کاوی و پردازش اطلاعات به دلیل ویژگی های حجم زیاد، انواع مختلف، سرعت زیاد و حقیقت بزرگ، چالش های فراوانی را به همراه خواهند داشت. در چند سال گذشته، یادگیری عمیق در راه حل های تحلیلی داده های بزرگ نقش مهمی را ایفا کرده است. در این مقاله، تحقیقات انجام شده درباره مدل های یادگیری عمیق برای یادگیری ویژگی های بزرگ داده ها در اینده را مرور می کنیم. علاوه بر این، ما با توجه به چالش های باقیمانده به یادگیری عمیق داده های بزرگ و بحث در مورد موضوعات آینده اشاره می کنیم.
کلمات کلیدی: یادگیری عمیق | داده های بزرگ | رمزگذاران خودکار انباشته شده | شبکه های اعتقادی عمیق | شبکه های عصبی کانولوشن | شبکه عصبی مکرر
مقاله ترجمه شده
8 مقادیر کوچک در داده های بزرگ: نیاز مستمر به متا داده های مناسب
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 18
گردآوری داده ها از منبع های جداگانه جهت بررسی مسائل فشار آورنده بوم زیستی به صورت روزافزونی درحال رایج شدن است. پایگاه های داده ای بوم زیستی بسیاری حاوی داده ها - مشاهدات سانسور شده تحت یک محدودیت تشخیص تحلیلی می باشند. مطالعاتی از پایگاههای داده ای تک گانه و نوعا" کوچک نشانگر این هستند که دیدگاههای رایج برای مدیریت داده های سانسور شده – مثل حذف ی تعویض مقادیر ثابت – منجر به انحرا های سیستماتیک می شود. بااین حال، هیچ مطالعه ای به بررسی این موضوع نپرداخته که تا چه اندازه مستندسازی و حضور داده های سانسور شده بر خروجی های حاصل از پایگاههای داده ای بزرگ و چند – منبعی اثر می گذارد. ما داده های سانسور شده را در یک پایگاه داده ای کیفیت آب دریاچه که از 74 منبع تشکیل شده است توصیف می کنیم و چالش های سروکار داشتن با مقادیر کوچک در داده های بزرگ را نشان می دهیم شامل تشخیص محدودیت هایی که غایب هستند، دارای محدوده گسترده ای هستند و گرایشات با گذشت زمان را نشان می دهیم. ما نشان می دهیم که جایگزین های داده های سانسور شده می توانند همچنین تحلیل ها را با استفاده از پایگاه های داده های بزرگ منحرف کنند که داده های سانسور شده می توانند به صورت موثری با دیدگاههای کمّی نوین مدیریت شوند اما چنین دیدگاههایی روی متا داده های صحیح تکیه دارند که رفتار داده های سانسور شده حاصل از هر منبع را توصیف می کنند.
مقاله ترجمه شده
9 داده های بزرگ در مقابل مرور
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 36
اقتصاددانان منابع از کار بر روی داده های نظر سنجی به کاری که شامل داده های بزرگ است؛ جابجا می نمایند. این انالیز در اکتشافات تجربی از معادلات جبران خسارت است که نیاز به جایگزینی دارد. مدل های موازی با استفاده از داده های دفتر اعتباری Equifax و بررسی داده های مالی مصرف کننده تخمین زده می شود. بعد از تنظیمات حساب برای تعریف متغییرهای مختلف و جمع اوری نمونه ها؛ برای برای رسیدن به مدل های مشابه از کل بدهی خانوار امکان پذیر است. با وجود این؛ تخمین ها به تنظیمات حساس هستند. در این مثال؛ برخی از آموزش های خارجی و اقدامات درآمد با موفقیت داده های بزرگ ادغام می شوند، اما سایر ارقام خارجی به درستی جایگزین پاسخ های نظرسنجی نمی شوند.
کلمات کلیدی: داده های بزرگ | داده های مروری | بدهی خانوار
مقاله ترجمه شده
10 پردازش- جمع آوری و تحیل داده های بزرگ حسگر مبتنی بر اینترنت اشیا کارامد در ساختمان های هوشمند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 24
اینترنت اشیا IOT برای هر نوع خدمات جدید به منظور بهبود زندگی روزمره فراهم شده است. از طریق تکنولوژی جدید؛ دیگر تکنولوژی های اخیر توسعه یافته مانند داده های بزرگ؛ محاسبات ابری؛ و نظارت ها می تواند در کارها شرکت کند. در این مقاله؛ چهار تکنولوژی فوق الذکر را برای پیدا کردن عملیات مشترک مرور می کنیم؛ و عملکرد انها را؛ به منظور داشتن طرح سودمند از کاربردهای مورد استفاده از انها ترکیب می کنیم. با وجود مفهوم سرپرستی از یک شهر هوشمند؛ سعی خواهیم کرد سیستم های جدیدی را برای جمع آوری و مدیریت اطلاعات حسگر ها در یک ساختمان هوشمند که در محیط IoT عمل می کند، بررسی کنیم. به عنوان یک تکنولوژی پایه برای سیستم مدیریت حسگر پیشنهادی، یک سرور ابری است؛ که برای جمع آوری داده ها که از هر سنسور در ساختمان هوشمند تولید می شود؛ استفاده می شود. این داده ها به راحتی مدیریت می شود و قابل کنترل از راه دور؛ توسط یک دستگاه از راه دور (تلفن همراه) در شبکه ای است که در تکنولوژی IoT راه اندازی شده است. در نتیجه، راه حل های پیشنهادی برای جمع آوری و مدیریت داده های حسگر ها در یک ساختمان هوشمند می تواند ما را در ساخت یک ساختمان هوشمند با انرژی یاری نماید؛ و به این ترتیب دارای یک ساختمان هوشمند سبز خواهیم بود.
لغات کلیدی: اینترنت اشیا | محاسبات ابری | داده های بزرگ | ساختمان های هوشمند | مدیریت حسگر | بهره وری انرژی | جمع آوری داده ها | سیستم Contiki
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 11856 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 11856 :::::::: افراد آنلاین: 64