دانلود و نمایش مقالات مرتبط با مسائل داده::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

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 - مسائل داده

تعداد مقالات یافته شده: 3
ردیف عنوان نوع
1 On the use of simulation as a Big Data semantic validator for supply chain management
استفاده از شبیه سازی به عنوان یک اعتبار سنج معنایی داده های بزرگ برای مدیریت زنجیره تامین-2020
Simulation stands out as an appropriate method for the Supply Chain Management (SCM) field. Nevertheless, to produce accurate simulations of Supply Chains (SCs), several business processes must be considered. Thus, when using real data in these simulation models, Big Data concepts and technologies become necessary, as the involved data sources generate data at increasing volume, velocity and variety, in what is known as a Big Data context. While developing such solution, several data issues were found, with simulation proving to be more efficient than traditional data profiling techniques in identifying them. Thus, this paper proposes the use of simulation as a semantic validator of the data, proposed a classification for such issues and quantified their impact in the volume of data used in the final achieved solution. This paper concluded that, while SC simulations using Big Data concepts and technologies are within the grasp of organizations, their data models still require considerable improvements, in order to produce perfect mimics of their SCs. In fact, it was also found that simulation can help in identifying and bypassing some of these issues.
Keywords: Simulation | Big Data | Data issues | Semantic validation | Supply chain management | Industry 4.0
مقاله انگلیسی
2 Overview of different approaches to solving problems of Data Mining
بررسی اجمالی روش های مختلف برای حل مسائل داده کاوی-2018
This paper is devoted to the main tasks in the analysis of large amounts of information and comparison of methods for their solution. The analysis of large volumes of information and identification of valuable knowledge provided by Data Mining tools. The concept of Data Mining is translated as data mining, data analysis, data collection. Due to of the huge variety of data types and forms of organizing information actual data may not always be analyzed by machine learning tools. For the transformation of "raw" data to the data, which can work efficiently Data Mining techniques, solve the problem of pre-processing. The methods k-nearest neighbor and decision trees solve such problems as the Data Mining classification and regression in the specified domains
Keywords : Data Mining ، the nearest neighbor method ، the method of k-nearest neighbor ، decision trees ، classification ، regression ، forecasting
مقاله انگلیسی
3 تکنولوژی داده های بزرگ و محاسبات ابری
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 33 - تعداد صفحات فایل doc فارسی: 55
امروزه فناوری اطلاعات افق هایی را در برابر انسان می گشاید که از طریق آن ها انسان به جامعه هوشمند گام گذاشته و منجر به پیدایش و توسعه خدمات مدرن نظیر؛ تجارت الکترونیکی اینترنتی، استدلال های پیشرفته، و اقتصاد الکترونیکی می شود. این اتفاق همچنین منجر به گسترش صنایع نوظهور نظیر کامپیوتری-مخابراتی ، شبکه های هوشمند، انرژی های جدید، حمل و نقل هوشمند، و ساخت تجهیزات مدرن شده است. فناوری اطلاعات مدرن در حال تبدیل شدن به موتور عملیاتی و توسعه ای همه پیشرفت ها در زندگی انسان است. اما امروزه این موتور در حال مواجهه با چالش بزرگی تحت عنوان داده های بزرگ است [1]. انواع مختلف داده های تجاری به صورت نمایی در حال رشد هستند [2]. مسائلی نظیر جمع آوری داده ها، ذخیره سازی، بازیابی، تحلیل، و کاربردهای داده ها دیگر قابل حل شدن از طریق فناوری های سنتی پردازش اطلاعات نخواهند بود. این مسائل مهمترین موانع پیش روی تحقق جامعه دیجیتال، جامعه شبکه ای، و جامعه هوشمند است. سازمان بورس نیویورک در هر روز میزان 1TB اطلاعات تجاری تولید می کند؛ توئیتر بیش از 7TB داده در هر روز تولید می کند؛ فیس بوک نیز در هر روز بیش از 10TB داده در هر روز تولید می کند؛ این میزان برای شرکت Large Hadron Collider واقع در CERN برابر با 15PB (پتا بایت) در هر سال است. براساس مطالعات که با کمک شرکت مشهور مشاوره International Data Corporation (IDC) انجام شده است، حجم کلی اطلاعات موجود تا سال 2007 در سراسر جهان برابر 165 EB (اگزابایت) بوده است. حتی در سال 2009 هنگامی که بحران اقتصادی جهانی رخ داد، حجم اطلاعات جهانی به میزان 800 EB رسید؛ که طی دو سال اخیر با یک افزایش 62 درصدی مواجه شده بود. در آینده حدودا در هر 18 ماه حجم اطلاعات موجود در سراسر جهان، دو برابر خواهد شد. این میزان در سال 2020 به 35 ZB (زتا بایت) خواهد رسید، حدود 230 برابر حجم داده های سال 2007، درحالی که رکوردهای نوشته شده در تاریخ 5000 ساله بشری به 5 EB می رسد. این آمراها حاکی از آن هستند که حوزه های TB، PB و EB همه در گذشته باقی مانده اند؛ و ذخیره سازی جهانی اطلاعات درحال ورود به حوزه "زتا" بایت است.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2789 :::::::: بازدید دیروز: 3097 :::::::: بازدید کل: 37056 :::::::: افراد آنلاین: 50