نرم افزارهای iOS (مخصوص آیفون و آیپد) 👇👇

دانلود اپلیکشین آندروید Scopus (بزرگترین پایگاه اطلاعاتی چکیده و استنادی جهان از متون معتبر، مجلات علمی، کتاب ها، و مجموعه مقالات کنفرانس ها) 👇

چالش های کلان داده ها:

رشد سریع داده ها در بخش کلان داده ها طوفانی به پا کرد که چالش های بزرگی در اکتساب،ذخیره سازی،مدیریت و تحلیل داده ها به وجود آوردند.
سیستم های تحلیلی و مدیریت داده ی سنتی،مبتنی بر سیستم مدیریت پایگاه داده های رابطه ای بودند.
چنین سیستم هایی فقط برای داده های ساخت یافته به کار گرفته می شوند نه داده های نیم ساخت یافته و غیر ساخت یافته.

جامعه تحقیقاتی راه کارهایی ازجنبه های مختلف پیشنهاد کرده است.
به عنوان مثال برای نیازمندی های زیر ساخت کلان داده ها مثل بهره وری هزینه،قابلیت کشسانی و کم و زیاد کردن بدون اشکال منابع از رایانش ابری استفاده شد.
سیستم فایل های توزیع شده و پایگاه داده های NoSQL برای ذخیره سازی پایدار و مدیریت مجموعه داده های بزرگ انتخاب خوبی بودند.

مقالات بسیاری راجع به موانع سر راه توسعه کاربردهای تحلیل داده ها بحث کرده اند.
به بعضی چالش های کلیدی اشاره میکنیم:
👇👇👇👇👇👇👇
نمایش داده
فشردگی و کاهش افزونگی داده ها
مدیریت چرخه زندگی داده ها
مکانیسم تحلیلی
محرمانگی داده ها
مدیریت انرژی
توسعه پذیری و مقیاس پذیری
همکاری
 ✏✏✏✏✏✏✏✏✏✏
دوستان علاقمند در ادامه چالش های ذکر شده به مختصر توضیح داده می شود.

منبع: کتاب کلان داده ها ترجمه دکتر امیر مسعود رحمانی
@BigDataTechnology

با سلام و احترام

دوستان و همراهان گرامی🌷

✏امیدوارم تا اینجا، مطالب مفید و ارزشمند قرار گرفته باشند.✏

در ادامه، با اطلاعاتی پیرامون:🔜

⬅️فناوری های وابسته کلان داده ها (رایانش ابری،IOT،هدوپ و دیتا سنترها)
⬅️تولید کلان داده ها
⬅️جمع اوری،انتقال و پیش پردازش کلان داده ها
⬅️ ذخیره سازی کلان داده ها
⬅️ تحلیل کلان داده ها
⬅️کاربردهای کلان داده

در خدمت شما عزیزان هستم.

 در صورت تمایل به دعوت دوستان خود به این مجموعه، این پیام را خدمت آن بزرگواران ارسال نمایید .

با تشکر
گلناز اردشیری
@BigDataTechnology

10 مهارت برتر مورد نیاز در حوزه فناوری اطلاعات در سال 2015

وزارت علوم، تحقیقات و فناوری
فهرست نشریات معتبر 2014
فهرست نشریات نمایه شده در پایگاه بین المللی ISI

خلاصه اطلاعات و آمار مربوط به شرکت فیسبوک (بروز رسانی در نوامبر 2015)

🔔 آغاز ثبت‌نام آزمون‌های ارشد ودکتری آزاد ازدوشنبه
http://goo.gl/aXh0Wc


@iran_conferences

توضیحاتی مختصر چالش های کلیدی کلان داده ها:

1- نمایش داده  -  Data Representation

"  بسیاری از داده ها سطوح نا همگون در ساختار، معناشناسی،سازمان دهی و قابلیت دسترسی دارند.
هدف نمایش داده  بیشتر معنا دار نمودم داده ها برای تحلیل توسط کاربران است.
یک نمایش داده نا مناسب ارزش داده اصلی را کاهش خواهد داد و حتی ممکن است مانع تحلیل موثر داده شود. "

2- فشردگی و کاهش افزونگی داده ها -
Redundancy Reduction and Data Compression
" معمولادسطح بالایی از افزونگی در مجموعه داده ها وجود دارد.
فشردگی و کاهش افزونگی داده ها برای کاهش غیر مستقیم هزینه کلی سیستم موثر است.
به عنوان مثال اغلب داده های تولید شده توسط شبکه های حسرگر دارای افزونگی بالایی هستند که ممکن است بر اساس درجه اهمیت فشرده شده باشند. "

3- مدیریت چرخه زندگی داده ها - Data Life Cyrcle Management
" ارزش های پنهان شده در کلان داده ها به تازه بودن داده ها بستگی دارد.
بنابراین باید یک اصل مهم وابسته به ارزش تحلیلی توسعه باید مشخص کند چه داده ای باید ذخیره شود و چه داده ای باید دور ریخته شود. "

4- مکانیسم تحلیلی - Analytical Mechanism
" سیستم تحلیل کلان داده ها باید انبوهی از داده های ناهمگن را در مدت زمان محدودی پردازش کند.
اما RDBMS سنتی با طراحی انعطاف ناپذیر و فقدان مقیاس پذیری و توسعه پذیری که دارد برای براوردن نیازمندی های کارامد مناسب نیست.
پایگاه داده غیر رابطه ای با مزایای منحصر به فرد به تحلیل کلان داده ها پرداخت و فقدان روش سنتی را جبران کرد.
با این وجود در پایگاه داده غیر رابطه ای هنوز برخی مشکلات در کارایی و کاربرد های خاص آن ها وجود دارد.

5- محرمانگی داده ها - Data Confidentiality
" در حال حاضر اکثر مالکان یا فراهم آورندگان سرویس های کلان داده هابه دلیل توانایی محدودشان نمی توانند چنین مجموعه ی داده های انبوهی را به صورت موثر نگهداریو تحلیل کنند.
آنها برای تحلیل بیشتر داده ها به ابزارها یا تخصص هایی تکیه کنند که باعث افزایش خطرات امنیتی می شود.
برای تامین امنیت فقط زمانی تحلیل کلان داده ها ممکن است به شخص ثالثی واگذار شود که اقدامات امنیتی مناسبی برای حفاظت از داده های حساس صورت گرفته باشد. "

6- مدیریت انرژی
" مصرف انرژی در سیستم های محاسباتی کامپیوتر از لحاظ اقتصادی مورد توجه است.
با افزایش حجم ، پردازش ، ذخیره سازی و انتقال کلان داده ها ناچار به مصرف بیشتر و بیشتری انرژی است. "

7- توسعه پذیری و مقیاس پذیری -  Expendability and Scalability
" سیستم تحلیلی کلان داده ها باید مجموعه داده های فعلی و آینده را پشتیبانی کند. الگوریتم های تحلیلی باید توانایی پردازش مجموعه داده های پیچیده تر و به صورت فزاینده در حال توسعه را داشته باشند. "

8- همکاری - Cooperation

" تحلیل کلان داده ها یک تحقیق میان رشته ای است که برای ثمر داده پتانسیل کلان داده ها نیاز به همکاری کارشناسان در زمینه های مختلف دارد.
مهندسان برای دسترسی به انواع مختلف داده و استفاده کامل از توانایی هایشان کمک کند تا برای تکمیل اهداف تحلیلی با یکدیگر همکاری کنند. "

دوستان و همراهان عزیز

هفته آینده با آشنایی فناوری های وابسته کلان داده از جمله :

⬅️رایانش ابری
⬅️تعریف ابرها
⬅️انواع ابرها
⬅️ارتباط بین رایانش ابری و کلان داده ها

در خدمت شما عزیزان هستم.

 در صورت تمایل به دعوت دوستان خود به این مجموعه، این پیام را خدمت آن بزرگواران ارسال نمایید .

با تشکر
گلناز اردشیری

@BigDataTechnology

 رایانش ابری
☁

رایانش ابری ( Cloud Computing)

مدل رایانشی بر پایهٔ شبکه های بزرگ کامپیوتری مانند اینترنت است که الگویی تازه برای عرضه، مصرف و تحویل سرویس های فناوری اطلاعات (شامل سخت افزار، نرم افزار، اطلاعات، و سایر منابع اشتراکی رایانشی) با به کارگیری اینترنت ارائه میکند.
رایانش ابری راه کارهایی برای ارائهٔ خدمات فناوری اطلاعات به شیوه های مشابه با صنایع همگانی (آب، برق، تلفن و ...) پیشنهاد میکند.
این بدین معنی است که دسترسی به منابع فناوری اطلاعات در زمان تقاضا و بر اساس میزان تقاضای کاربر به گونه ای مقیاس پذیر و انعطاف پذیر از راه اینترنت به کاربر تحویل داده میشود.