معرفی و دانلود کتاب کلان داده‌ها: استخراج، ذخیره و پردازش

معرفی کتاب کلان داده‌ها: استخراج، ذخیره و پردازش

کتاب کلان داده‌ها: استخراج، ذخیره و پردازش تألیف امین نظارات، محسن رنجبر و فرزاد ابراهیمی، به موضوع تحلیل داده‌های بزرگ می‌پردازد و می‌کوشد نحوه‌ی آنالیز این مدل داده‌ها را با کمک مثال‌های کاربردی بیاموزد. این کتاب راهنمای پیشرفته، با معرفی نرم‌افزار اسپارک و کتابخانه‌ی یادگیری ماشینی MLlib، به شما یاد می‌دهد که چطور با پردازش کردن داده‌ها به مخاطب پیشنهاد موسیقی بدهید یا ناهنجاری در ترافیک شبکه را پیدا کنید.

درباره‌ی کتاب کلان داده‌ها: استخراج، ذخیره و پردازش

در دنیای مدرن، اطلاعات قدرت به حساب می‌آید. اگر زمانی نفت و انرژی‌های طبیعی باعث ثروت می‌شد و به حکومت‌ها قدرت می‌بخشید، حالا این اطلاعات و حتی دانش است که به کشورها برتری می‌دهد. اما این اطلاعات یا دانش چطور به دست می‌آیند؟ این مفاهیم اصولاً بر مبنای داده‌های خام شکل می‌گیرند و با پردازش آن‌ها حاصل می‌شوند. در واقع می‌توان گفت امروز اساس همه‌چیز داده است و همین مفهوم است که تعیین‌کننده خواهد بود. بااین‌حال جمع‌آوری داده‌ها و از آن مهم‌تر، پردازش آن‌ها کاری بسیار پیچیده و سخت است. گاهی داده‌ها می‌توانند بسیار بزرگ باشند؛ در این صورت هم ذخیره‌سازی و هم آنالیزشان نیاز به مهارت و دانش زیادی خواهد داشت. بااین‌وجود در حال حاضر پیشرفت‌های مهمی در این زمینه به دست آمده. مخصوصاً با توسعه‌ی ابزارها و تکنیک‌های یادگیری ماشین، این فرآیند باکیفیت‌تر و واقعی‌تر شده و در زمان کوتاه‌تری انجام می‌گیرد. کتاب کلان داده‌ها: استخراج، ذخیره و پردازش تألیف امین نظارات، محسن رنجبر و فرزاد ابراهیمی بر همین موضوع متمرکز شده و تلاش کرده شیوه‌ی پردازش داده‌های بزرگ را توضیح دهد. نویسندگان به نرم‌افزارها، موتورها و کتابخانه‌های ضروری اشاره می‌کنند و الگوریتم‌های پردازش داده‌ها را می‌آموزند.

امروز خیلی از سایت‌ها و پلتفرم‌ها، مخصوصاً در بخش سرگرمی، به کاربرانشان موضوعات مختلفی را پیشنهاد می‌دهند. برای مثال پلتفرم‌های پخش موسیقی بر اساس ذائقه و سلیقه‌ی مخاطب، آهنگ موردعلاقه‌ی او را حدس می‌زنند و پخش می‌کنند. در پلتفرم‌های پخش ویدئو هم همین اتفاق می‌افتد. مبنای این فرآیند، پردازش کردن داده‌هاست. در واقع سایت یا اپلیکیشن داده‌های کاربرش را نگه می‌دارد و پس‌ازاینکه آن را پردازش کرد، تا حدی به سلیقه‌ی او پی می‌برد. هر چه داده‌های او بزرگ‌تر باشد، پیش‌بینی او از ذائقه‌ی کاربر دقیق‌تر و نزدیک‌تر به واقعیت خواهد بود. اما این آنالیز فقط در صنعت سرگرمی رخ نمی‌دهد. برای تحلیل بازار و اقتصاد، برای بررسی شبکه‌های اینترنتی یا حتی برای پیش‌بینی آب‌وهوا و وضعیت محیط‌زیست هم از همین فرآیند استفاده می‌شود. این علم چنان تأثیرگذار و مهم است که باعث شده تحلیلگران و دانشمندان داده‌ها از مهم‌ترین ارکانِ سازمان‌ها به حساب آیند. بدون وجود آن‌ها، سازمان عملاً سردرگم است و توان تحلیل وضعیت فعلی و پیش‌بینی آینده را نخواهد داشت. امین نظارات، محسن رنجبر و فرزاد ابراهیمی در کتاب کلان داده‌ها: استخراج، ذخیره و پردازش، پس‌ از این‌که چالش‌های این علم را مرور کردند، نرم‌افزار اسپارک را معرفی می‌کنند که در واقع موتور مخصوص تحلیل داده‌های بزرگ است. نویسندگان در بخش‌های بعدی جزئیات کتابخانه‌ی یادگیری ماشینی MLlib را تشریح می‌کنند و در ادامه نشان می‌دهند که با چه الگوریتمی می‌توان به مخاطب موسیقی پیشنهاد داد یا ناهنجاری‌های موجود در ترافیک شبکه را پیدا کرد.

کتاب کلان داده‌ها: استخراج، ذخیره و پردازش را مؤسسه‌ی فرهنگی-هنری دیباگران تهران منتشر کرده است.

کتاب کلان داده‌ها: استخراج، ذخیره و پردازش برای چه کسانی مناسب است؟

این کتاب به متخصصان و کارشناسان تحلیل داده توصیه می‌شود. همین‌طور اگر به علم داده‌ها علاقه دارید، این راهنما کمکتان خواهد کرد.

در بخشی از کتاب کلان داده‌ها: استخراج، ذخیره و پردازش می‌خوانیم

هنگامی که کسی می‌پرسد من چه کاری برای زندگی کردن انجام می‌دهد، پاسخ مستقیم «علم داده» یا «یادگیری ماشین» تأثیرگذار به نظر می‌رسد، اما معمولاً یک نگاه خیره به خود می‌کشد. مسئله‌ای نیست، حتی دانشمندان داده واقعی به نظر می‌رسد در تلاش‌اند تا تعریف کنند ذخیره‌سازی مقدار زیادی از داده‌ها، محاسبات، پیش‌بینی یک چیز به چه معنی است؟ ناگزیر من مستقیماً به یک مثال مرتبط می‌روم: خوب شما می‌دانید که چگونه آمازون شما را در رابطه با کتاب‌هایی مانند آن‌هایی که خریداری کرده‌اید آگاه می‌کند؟ بله! بله! مانند آن است.

به‌طور تجربی، به نظر می‌رسد موتور پیشنهاددهنده مثالی از یادگیری ماشین در مقیاسی بزرگ است که هر کسی می‌تواند آن را درک کند، و همه‌ی مردم، آمازون را دیده‌اند. این یک وجه مشترک است زیرا موتور پیشنهاددهنده همه‌جا هست؛ از شبکه‌های اجتماعی گرفته تا سایت‌های ویدئویی و خرده‌فروشی آنلاین.

فهرست مطالب کتاب

فصل 1: تحلیل داده‌های بزرگ
فصل 2: مقدمه‌ای بر تجزیه و تحلیل داده‌ها با Scala و Spark
فصل 3: پیشنهاد موسیقی و مجموعه داده Audioscrobbler
فصل 4: پیش‌بینی پوشش جنگل با درخت تصمیم
فصل 5: تشخیص ناهنجاری در ترافیک شبکه با خوشه‌بندی K-Means
فصل 6: کتابخانه Mllib