💎 سیر صعودی فوق العاده دیتابیس گرافی Neo4j از 2013 تا 2020
✔️ در آخرین رتبه بندی برترین دیتابیس های جهان، Neo4j در میان دیتابیس های گرافی در رتبه 1 قرار دارد.
#Neo4j
#Graph
#GraphDatabase
🌐 BigDataWorld.ir
🌐 @BigDataSchool
✔️ در آخرین رتبه بندی برترین دیتابیس های جهان، Neo4j در میان دیتابیس های گرافی در رتبه 1 قرار دارد.
#Neo4j
#Graph
#GraphDatabase
🌐 BigDataWorld.ir
🌐 @BigDataSchool
This media is not supported in your browser
VIEW IN TELEGRAM
📘 #یک_دقیقه_یادگیری
🔷 #ویدیوی_کوتاه شماره دو
💎 این قسمت: آشنایی با چارچوب پردازشی توزیع شده Apache Spark
🖥 لینک دوره آموزشی بیگ دیتا با Hadoop و Apache Spark در مدرسه بیگ دیتا
📖 لینک مقاله معرفی جامع و آشنایی کامل با Apache Spark در مدرسه بیگ دیتا
🕰 مدت زمان: یک دقیقه و پنجاه و شش ثانیه
📝 زبان: فارسی
📖 سطح: مقدماتی
#Spark #Apache
🌐 BigDataWorld.ir
🖥 @BigDataSchool
🔷 #ویدیوی_کوتاه شماره دو
💎 این قسمت: آشنایی با چارچوب پردازشی توزیع شده Apache Spark
🖥 لینک دوره آموزشی بیگ دیتا با Hadoop و Apache Spark در مدرسه بیگ دیتا
📖 لینک مقاله معرفی جامع و آشنایی کامل با Apache Spark در مدرسه بیگ دیتا
🕰 مدت زمان: یک دقیقه و پنجاه و شش ثانیه
📝 زبان: فارسی
📖 سطح: مقدماتی
#Spark #Apache
🌐 BigDataWorld.ir
🖥 @BigDataSchool
🔷 اگر در LinkedIn حضور دارید و فعال هستید می تونید صفحه مدرسه رو هم دنبال بفرمائید.
🌐 https://www.linkedin.com/mwlite/company/bigdataschool1
🌐 https://www.linkedin.com/mwlite/company/bigdataschool1
LinkedIn
LinkedIn Login, Sign in | LinkedIn
Login to LinkedIn to keep in touch with people you know, share ideas, and build your career.
This media is not supported in your browser
VIEW IN TELEGRAM
📘 #یک_دقیقه_یادگیری
🔷 #ویدیوی_کوتاه شماره سه
💎 این قسمت: آشنایی با کتابخانه کلیدی تحلیل و پردازش گراف Python NetworkX
🖥 دوره آموزشی پروژه محور تحلیل و پردازش گراف با Python NetworkX
🕰 مدت زمان: یک دقیقه و پنجاه و یک ثانیه
📝 زبان: فارسی
📖 سطح: مقدماتی
#Python
#NetworkX
#DataScience
#BigData
#Graph
🌐 BigDataWorld.ir
🖥 @BigDataSchool
🔷 #ویدیوی_کوتاه شماره سه
💎 این قسمت: آشنایی با کتابخانه کلیدی تحلیل و پردازش گراف Python NetworkX
🖥 دوره آموزشی پروژه محور تحلیل و پردازش گراف با Python NetworkX
🕰 مدت زمان: یک دقیقه و پنجاه و یک ثانیه
📝 زبان: فارسی
📖 سطح: مقدماتی
#Python
#NetworkX
#DataScience
#BigData
#Graph
🌐 BigDataWorld.ir
🖥 @BigDataSchool
✔️ #کوییز شماره نُه
💎 کدام یک از مراحل ذیل جزو گام های پیش #پردازش_متن در فیلد #پردازش_زبان_طبیعی نیست؟
💎 کدام یک از مراحل ذیل جزو گام های پیش #پردازش_متن در فیلد #پردازش_زبان_طبیعی نیست؟
Anonymous Quiz
19%
Tokenization
12%
Normalization
17%
Noise removal
14%
Convert number words to numeric form
14%
Lemmatization
7%
Convert accented characters to ASCII characters
16%
Word Embedding
📣 سخنرانی #داده_محور
🏛 دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف
📖 Design and Implementation of Privacy-Preserving Personalized Analytics Systems on the Edge
👨💻 By Professor Hamed Haddadi
🌐BigDataWorld.ir
🖥@BigDataSchool
🏛 دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف
📖 Design and Implementation of Privacy-Preserving Personalized Analytics Systems on the Edge
👨💻 By Professor Hamed Haddadi
🌐BigDataWorld.ir
🖥@BigDataSchool
https://digipostal.ir/rezacard
🌸ولادت امام رضا علیه السلام بر شما مبارک باد.🌸
🌐BigDataWorld.ir
🖥@BigDataSchool
🌸ولادت امام رضا علیه السلام بر شما مبارک باد.🌸
🌐BigDataWorld.ir
🖥@BigDataSchool
کارت پستال دیجیتال
کارت پستال ولادت امام رضا(ع)
کارت پستال ولادت با سعادت امام رضا(ع) بر شما و خانواده محترمتان مبارک, هشتمین ستاره - امین فیاض, کارت پستال ولادت امام رضا(ع) - کارت پستال دیجیتال
📑 مفهوم کلانداده
در مدلهای دادهای سنتی، بیشتر دادههایی که در سازمانها وجود داشتند شامل مواردی مثل نام محصولات، مشتریان، فروشندگان و مواردی مشابه بود که پيچيدگي خاصي نداشتند. امروزه با نوع دادهاي بسيار زياد، مختلف، و با پيچيدگي بسيار بيشتر سروکار داريم که مديريت، سازماندهي، و نگهداري آنها مساله مهمي است.
📘 طبق آمار، ۹۰ درصد دادههای موجود در جهان تنها در دو سال اخیر ایجاد شدهاند. رشد دادهها در سال ۲۰۰۹ چیزی در حدود ۰.۸ زتابایت (۰.۸ ZB) بوده است که پیشبینی ميشود اين مقدار در سال ۲۰۲۰ به ۳۲ ZB افزايش يابد.
☑️ رشد دادهها همچنان مانند گذشته وجود دارد ولی رشد آنها امروزه بسیار سریعتر شده است.
☑️ امروزه رشد دادهها به طور چشمگیری در زمینهی دادههای غیر ساخت یافته صورت میگیرد.
امروزه کلانداده توسط منابع مختلفی مانند دستگاههای موبایل، GPS، RFID، شبکههای اجتماعی، مشتریان و بسیاری از منابع دیگر توليد ميشود.
🔰 تعریف کلانداده
برای کلاندادهها تعاریف متعددی ارائه شده است که در زیر به چند مورد از آنها اشاره میشود:
☑️ به طور عمومی کلانداده عبارت است از مجموعه دادههایی که به روشهای سنتی موجود در فناوری اطلاعات، نرمافزارها و سختافزار و در یک زمان قابل قبول قادر به جمعآوری، درک، و مدیريت نباشند.
☑️ تعریف Apache Hadoop در سال ۲۰۱۰ برای کلانداده: کلانداده عبارت است از مجموعه دادههایی که باتوجه به کامپیوترهای موجود براحتی قابل جمعآوری، مدیريت، و پردازش نباشند.
برای کلاندادهها یکسری چالش و فرصت معرفی شده که به صورت مدل ۳V بیان میشود و شامل افزایش حجم، شتاب، و تنوع میباشد.
۱. حجم (Volume): با تولید و جمعآوری دادهها در نهایت به انبوهی از دادهها دست مییابیم که گسترهی آنها بسیار زياد است.
۲. شتاب (Velocity): دادهها با سرعت زیادی تولید میشوند و نیاز به تحلیل سریع و به موقع است.
۳. تنوع (Variety): به معنی وجود انواع مختلف دادهها است که خود شامل دادههای ساخت یافته، نیمه ساخت یافته و غیرساخت یافته است مانند ویدئو، صوت، متن، و صفحات وب.
📽 چرخهی حیات کلانداده
چرخهی حیات کلانداده را میتوان یک حلقه از چهار عملیات زیر در نظر گرفت:
۱. جمعآوری (Collection): شامل جمعآوری دادههای مناسب از مجموعهی دادهای مناسب است. برای مثال جمعآوری دادهها میتوانند از یک شبکهي اجتماعي يا شبکههاي حسگر بيسيم باشند.
۲. یکپارچهسازی (Integrate): دادههای جمعآوری شده با یکدیگر یکپارچه و سازماندهی (Organize) میشوند. گاهي ممکن است مجبور شويم آنها را با مجموعهي دادهاي خود منطبق کنيم.
۳. تحلیل (Analysis): در این بخش میتوان تحلیلهای ساده و یا تحلیلهای پیشرفتهي آماري بر روي دادهها انجام داد.
۴. تصمیمگیریها و اقدامات (Actions Decisions): بعد از جمعآوری، یکپارچهسازی، و تحلیل دادهها میتوان آنها را به مدیر تحويل داد و بر اساس اين دادهها مدير ميتواند اقدامات لازم و مفيد را اجرا کند. براي مثال اگر شما يک کتاب در زمينهي علوم کامپيوتر از آمازون خريداري کنيد، ممکن است به شما پيشنهاد خريد کتابي در زمينهي کلانداده نيز ارائه شود.
امکاناتی مثل تحلیل دادهها به تحلیلگران کمک میکنند تا با کلاندادهها براحتی کار کنند.
نوشته ای از دکتر مجید آراسته
🌐BigDataWorld.ir
🖥@BigDataSchool
در مدلهای دادهای سنتی، بیشتر دادههایی که در سازمانها وجود داشتند شامل مواردی مثل نام محصولات، مشتریان، فروشندگان و مواردی مشابه بود که پيچيدگي خاصي نداشتند. امروزه با نوع دادهاي بسيار زياد، مختلف، و با پيچيدگي بسيار بيشتر سروکار داريم که مديريت، سازماندهي، و نگهداري آنها مساله مهمي است.
📘 طبق آمار، ۹۰ درصد دادههای موجود در جهان تنها در دو سال اخیر ایجاد شدهاند. رشد دادهها در سال ۲۰۰۹ چیزی در حدود ۰.۸ زتابایت (۰.۸ ZB) بوده است که پیشبینی ميشود اين مقدار در سال ۲۰۲۰ به ۳۲ ZB افزايش يابد.
☑️ رشد دادهها همچنان مانند گذشته وجود دارد ولی رشد آنها امروزه بسیار سریعتر شده است.
☑️ امروزه رشد دادهها به طور چشمگیری در زمینهی دادههای غیر ساخت یافته صورت میگیرد.
امروزه کلانداده توسط منابع مختلفی مانند دستگاههای موبایل، GPS، RFID، شبکههای اجتماعی، مشتریان و بسیاری از منابع دیگر توليد ميشود.
🔰 تعریف کلانداده
برای کلاندادهها تعاریف متعددی ارائه شده است که در زیر به چند مورد از آنها اشاره میشود:
☑️ به طور عمومی کلانداده عبارت است از مجموعه دادههایی که به روشهای سنتی موجود در فناوری اطلاعات، نرمافزارها و سختافزار و در یک زمان قابل قبول قادر به جمعآوری، درک، و مدیريت نباشند.
☑️ تعریف Apache Hadoop در سال ۲۰۱۰ برای کلانداده: کلانداده عبارت است از مجموعه دادههایی که باتوجه به کامپیوترهای موجود براحتی قابل جمعآوری، مدیريت، و پردازش نباشند.
برای کلاندادهها یکسری چالش و فرصت معرفی شده که به صورت مدل ۳V بیان میشود و شامل افزایش حجم، شتاب، و تنوع میباشد.
۱. حجم (Volume): با تولید و جمعآوری دادهها در نهایت به انبوهی از دادهها دست مییابیم که گسترهی آنها بسیار زياد است.
۲. شتاب (Velocity): دادهها با سرعت زیادی تولید میشوند و نیاز به تحلیل سریع و به موقع است.
۳. تنوع (Variety): به معنی وجود انواع مختلف دادهها است که خود شامل دادههای ساخت یافته، نیمه ساخت یافته و غیرساخت یافته است مانند ویدئو، صوت، متن، و صفحات وب.
📽 چرخهی حیات کلانداده
چرخهی حیات کلانداده را میتوان یک حلقه از چهار عملیات زیر در نظر گرفت:
۱. جمعآوری (Collection): شامل جمعآوری دادههای مناسب از مجموعهی دادهای مناسب است. برای مثال جمعآوری دادهها میتوانند از یک شبکهي اجتماعي يا شبکههاي حسگر بيسيم باشند.
۲. یکپارچهسازی (Integrate): دادههای جمعآوری شده با یکدیگر یکپارچه و سازماندهی (Organize) میشوند. گاهي ممکن است مجبور شويم آنها را با مجموعهي دادهاي خود منطبق کنيم.
۳. تحلیل (Analysis): در این بخش میتوان تحلیلهای ساده و یا تحلیلهای پیشرفتهي آماري بر روي دادهها انجام داد.
۴. تصمیمگیریها و اقدامات (Actions Decisions): بعد از جمعآوری، یکپارچهسازی، و تحلیل دادهها میتوان آنها را به مدیر تحويل داد و بر اساس اين دادهها مدير ميتواند اقدامات لازم و مفيد را اجرا کند. براي مثال اگر شما يک کتاب در زمينهي علوم کامپيوتر از آمازون خريداري کنيد، ممکن است به شما پيشنهاد خريد کتابي در زمينهي کلانداده نيز ارائه شود.
امکاناتی مثل تحلیل دادهها به تحلیلگران کمک میکنند تا با کلاندادهها براحتی کار کنند.
نوشته ای از دکتر مجید آراسته
🌐BigDataWorld.ir
🖥@BigDataSchool
کوییز شماره ۹
کدام یک از موارد زیر در رابطه با Hadoop و Spark صحیح نیست؟
کدام یک از موارد زیر در رابطه با Hadoop و Spark صحیح نیست؟
Anonymous Quiz
16%
هر دو پلتفرم های پردازش داده هستند
14%
هر دو محیط های پردازش کلاسترینگ هستند
23%
هر دو از API های متن باز به منظور اتصال ابزارهای مختلف استفاده می کنند
47%
هر دو دارای فایل سیستم اختصاصی مجزی هستند
کوییز شماره 10
کدام یک از گزینه های ذیل، دلیل اصلی سرعت بیشتر Spark نسبت به Map Reduce Parallel Programming مدل است؟ #کوییز
کدام یک از گزینه های ذیل، دلیل اصلی سرعت بیشتر Spark نسبت به Map Reduce Parallel Programming مدل است؟ #کوییز
Anonymous Quiz
14%
داده ساختارهای RDD غیرقابل دستکاری هستند و از قابلیت تحمل خطا برخوردارند
25%
چارچوب پردازشی Spark دارای API های مجزی برای زبان های Scala, Java, Python, R می باشد
49%
موتور اجرایی گرافِ جهت دارِ غیر مُدَوَّر موسوم به DAG و مُقیم در حافظه بودن Spark
12%
هیچ کدام
#بورس #تحصیلی کشور مالزی جهت ادامه تحصیل در مقاطع کارشناسی ارشد و دکتری
🌐BigDataWorld.ir
🖥@BigDataSchool
🌐BigDataWorld.ir
🖥@BigDataSchool
کانال انگلیسیِ ویژه آموزش های پروژه محور در حوزه ماشین لرنینگ، دیپ لرنینگ، پردازش زبان طبیعی و بیگ دیتا افتتاح شد. در این کانال لینک مقالات آموزشی، پروژه های تکنیکال و اخبار تخصصی حوزه های مذکور قرار می گیرد. در صورت علاقه مندی، می تونید مطالب رو دنبال کنید.
لینک کانال
آیدی: @BigData_School
#ماشین_لرنینگ
#دیپ_لرنینگ
#پردازش_زبان_طبیعی
#بیگ_دیتا
🌐BigDataWorld.ir
🖥@BigDataSchool
لینک کانال
آیدی: @BigData_School
#ماشین_لرنینگ
#دیپ_لرنینگ
#پردازش_زبان_طبیعی
#بیگ_دیتا
🌐BigDataWorld.ir
🖥@BigDataSchool
Telegram
BigData Science School
Persian Channel
@BigDataSchool
Platfrom
BigDataworld.ir
Channel
linkedin.com/company/bigdataschool1
Group
https://www.linkedin.com/groups/8944834
LinkedIn
linkedin.com/in/mohammadheydari/
@BigDataSchool
Platfrom
BigDataworld.ir
Channel
linkedin.com/company/bigdataschool1
Group
https://www.linkedin.com/groups/8944834
linkedin.com/in/mohammadheydari/
💎 💎 💎 جشنواره تابستانه مدرسه بیگ دیتا
🎁🎁🎁 تخفیف ویژه دوره های آموزشی آنلاین
🌐BigDataWorld.ir
🖥@BigDataSchool
💻@BigData_School
🎁🎁🎁 تخفیف ویژه دوره های آموزشی آنلاین
🌐BigDataWorld.ir
🖥@BigDataSchool
💻@BigData_School