دانلود فیلم آموزشی الگوریتم های داده های حجیم Big Data دانشگاه صنعتی شریف
داده های حجیم Big Data اصطلاحی است که حجم زیادی از داده‌ها را توصیف می‌کند. این کاری است که سازمان‌ها با داده‌های مهم انجام می‌دهند. داده‌های کلان را می‌توان برای بینش‌هایی که منجر به تصمیم گیری بهتر و حرکت‌های استراتژیک تجاری می‌شوند، تجزیه و تحلیل کرد. حالا می‌خواهیم بدانیم که بیگ دیتا چیست و چه رابطه ایی با هوش تجاری دارد؟ و چه کاربردی در دنیای امروز و در جهان تجارت دارد؟
چرا بیگ دیتا مهم است؟
اهمیت داده های حجیم به میزان داده‌های شما بستگی ندارد، بلکه به آنچه با آنها انجام می‌دهید بستگی دارد. می‌توانید داده‌ها را از هر منبعی بگیرید و آنها را تجزیه و تحلیل کنید تا پاسخ‌های خود را پیدا کنید. این پاسخ شامل موارد زیر است:
- کاهش هزینه
- کاهش زمان
- توسعه محصول جدید و پیشنهادات بهینه شده
- تصمیم‌گیری هوشمند
با تجزیه و تحلیل بیگ دیتا این موارد حاصل می‌شود. وقتی کلان داده را با تجزیه و تحلیل‌های پرقدرت ترکیب می‌کنید، می‌توانید کارهای مربوط به تجارت را انجام دهید. کارهایی که به این واسطه برای شما امکان پذیر می‌شوند شامل موارد زیر هستند:
- تعیین علل اصلی خرابیها، مشکلات و نقص‌ها در زمان تقریباً واقعی
- تولید کوپن در نقطه فروش بر اساس عادت خرید مشتری
- محاسبه مجدد کل اوراق بهادار در چند دقیقه
- تشخیص رفتارهای متقلبانه قبل از این که بر سازمان شما تاثیر بگذارد
تولید بهینه با تجزیه و تحلیل داده های حجیم Big Data
در شرکت USG، استفاده از بیگ دیتا با تجزیه و تحلیل پیش بینی کننده برای درک کامل چگونگی تولید محصولات و نحوه کار آنها کلیدی است. در بازاری با سیل رقابت جهانی، تولید کنندگانی مانند USG از اهمیت تولید محصولات با کیفیت بالا و قیمت مناسب آگاه هستند. با استفاده از پلتفرم USG این کمپانی کارهایی که بر اساس حدس و گمان است را حذف کرده و سرمایه گذاری‌های تولیدی خود را بهینه کرده است. نتیجه کار چه شد؟ کیفیت محصول و زمان عرضه به بازار بهبود یافت. نمونه بارز موفقیت در استفاده از Big data همین کمپانی است. در این لینک می‌توانید لیست موفق‌ترین کمپانی‌های بیگ دیتا را ببینید.
برای بررسی بیشتر به سایت sas.com مراجعه کنید
سر فصل های مجموعه آموزشی Big Data :
– مقدمه
– مرتب سازی
external data structure –
– weighted B-tree
– persistant B-tree
– buffer technique
– internal trees
– الگوریتم های درخت
– تور اویلری، time formal processing، simulation
– connected components، minimum spanning tree
– BFS
– DFS
– cache-oblivious
– ordered files، cache-oblivious
– streaming model ، Majority problem
– comunication theory ، lower bounds
– تخمین تعداد اعداد متمایز در مدل streaming
– Finding frequent items via sketching
– محاسبه تعداد مثلث ها
