Big Data Processing in Cloud Computing EnvironmentsFarzad Nozarian
This is my Seminar presentation, adopted from a paper with the same name (Big Data Processing in Cloud Computing Environments), and it is about various issues of Big Data, from its definitions and applications to processing it in cloud computing environments. It also addresses the Big Data technologies and focuses on MapReduce and Hadoop.
Data, DIKW, big data& data science
Gu Jifaa,Zhang Linglingb
استاد: جناب آقای دکتر شقاقی
ترجمه: فاطمه ذات عجم
دانشجوی کارشناسی ارشد علم اطلاعات شهید بهشتی
Big Data Processing in Cloud Computing EnvironmentsFarzad Nozarian
This is my Seminar presentation, adopted from a paper with the same name (Big Data Processing in Cloud Computing Environments), and it is about various issues of Big Data, from its definitions and applications to processing it in cloud computing environments. It also addresses the Big Data technologies and focuses on MapReduce and Hadoop.
Data, DIKW, big data& data science
Gu Jifaa,Zhang Linglingb
استاد: جناب آقای دکتر شقاقی
ترجمه: فاطمه ذات عجم
دانشجوی کارشناسی ارشد علم اطلاعات شهید بهشتی
سرفصلها:
نگاهی اجمالی به ضرورت طرح مبحث دادهکاوی و تاریخچه تکامل آن
کاربردهای دادهکاوی و بررسی مثالهای جهان واقعی
بررسی فرایند دادهکاوی
بررسی مدل CRISP-DM
بررسی انواع دادههای قابل کاوش
معرفی انواع الگوهای قابل کشف
انتخاب روش دادهکاوی مناسب براساس مسئله
نگاهی اجمالی به بحث پیشپردازش دادهها
نگاهی به الگوریتمهای دادهکاوی
فناوریهای قابل استفاده در دادهکاوی
بررسی زبان برنامهنویسی R، و استفاده از آن در دادهکاوی در گامهای مختلف دادهکاوی
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش دومfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion - بخش یکمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش پنجمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش سومfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش چهارمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
سرفصلها:
نگاهی اجمالی به ضرورت طرح مبحث دادهکاوی و تاریخچه تکامل آن
کاربردهای دادهکاوی و بررسی مثالهای جهان واقعی
بررسی فرایند دادهکاوی
بررسی مدل CRISP-DM
بررسی انواع دادههای قابل کاوش
معرفی انواع الگوهای قابل کشف
انتخاب روش دادهکاوی مناسب براساس مسئله
نگاهی اجمالی به بحث پیشپردازش دادهها
نگاهی به الگوریتمهای دادهکاوی
فناوریهای قابل استفاده در دادهکاوی
بررسی زبان برنامهنویسی R، و استفاده از آن در دادهکاوی در گامهای مختلف دادهکاوی
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش دومfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion - بخش یکمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش پنجمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش سومfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion -بخش چهارمfaradars
افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
شرکت دانش همارا از سال 1381 با هدف سازماندهی اسناد ومدارک و پیاده سازی سیستم های پویا در آرشیو اسناد تاسیس و تاکنون خدمات متنوعی در حوزه سازماندهی و مدیریت اسناد به مراکز بزرگ دولتی و خصوصی ارایه داده است .
این شرکت دارای توان تجهیزاتی پیشرفته و برخوردار از نیروی کارشناسی و متخصص در حوزه مدیریت اسناد بوده و تمامی مراحل پیاده سازی EDMS از سازماندهی فیزیکی اسناد تا ایجاد فایل الکترونیک و مدیریت منابع بخشی از خدمات این شرکت است .
https://www.dhamara.com/services/%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86%D8%AF%D9%87%DB%8C-%D8%A7%D8%B3%D9%86%D8%A7%D8%AF-%D9%88-%D9%85%D8%AF%D8%A7%D8%B1%DA%A9/11/view/
This presentation, by big data guru Bernard Marr, outlines in simple terms what Big Data is and how it is used today. It covers the 5 V's of Big Data as well as a number of high value use cases.
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
آموزش روش تقسیم و حل در طراحی الگوریتم (مرور – تست کنکور ارشد)faradars
در این مجموعه یک مرور اجمالی به روش تقسیم و حل در طراحی الگوریتم شده و سپس تست های کنکور دولتی حل شده است. علاوه بر حل تشریحی، نکات کنکوری نیز برای حل سریع تر بیان شده است، نکاتی که در اکثر منابع کنکور نمی توان آنها را پیدا کرد و حاصل بیش از ۱۵ سال تدریس کنکوری است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مرور اجمالی به مبحث روش تقسیم و حل در طراحی الگوریتم
قضیه اصلی
جستجوی دو دویی
مرتب سازی ادغامی
مرتب سازی سریع (Quick sort)
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvsfte103
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
آموزش پایگاه داده ها (مرور – تست کنکور ارشد)faradars
در این آموزش سعی شده است، کلیه مباحث درس پایگاه داده ها مطرح شوند تا دانشجویان با هر هدفی که تهیه می نمایند، محتوای کاملی از این عنوان را داشته باشند. هم چنین این آموزش برای داوطلبان کنکور کارشناسی ارشد کامپیوتر و it مناسب است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
درس یکم: تعاریف اولیه سیستم پایگاه داده
درس دوم: ساختار داده ای رابطه ای
درس سوم: مدل ER
درس چهارم: جبر رابطه ای
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvsfte1051
مجموعه آموزش های برنامه های پاسخگویی بار- بخش دومfaradars
برنامه های پاسخگویی بار یکی از عمده ترین روش های مدیریت مصرف انرژی الکتریکی هستند که برای بازارهای برق طراحی شده اند، آموزش برنامه های پاسخگویی بار به این موضوع پرداخته است.
سرفصل ها بحث شده در این آموزش:
- برنامه های پاسخگویی بار
- مدل سازی برنامه های پاسخگویی بار
- تجربیات جهانی و ضرورت اجرا در ایران
برای مطالعه بیشتر و تهیه این آموزش، لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvpwr9310
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
Pyrosim شبیه سازی آتش و دود با نرم افزار پایروسیمMehdi Parvini
در این اسلایدها آموزش پایروسیم به صورت ارائه یک الگوریتم برای حل راحتتر مسائل توضیح داده شده است جهت دانلود فیلم رایگان دوره آموزش پایروسیم به سایت مراجعه فرمایید
www.MehdiParvini.com
آموزش مرتبه اجرایی در ساختمان داده و طراحی الگوریتم (مرور – تست کنکور ارشد)faradars
در این مجموعه مرور کلی در رابطه با مرتبه اجرایی حلقه های ساده، حلقه های تودرتو و حلقه های وابسته انجام شده است. سپس تست های کنکور مرتبط با این مبحث بررسی شده اند. در انتها نمادهای مرتبه اجرایی و تست های مرتبط با آنها بررسی شده اند.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مرتبه اجرایی توابع چند جمله ای
مرتبه اجرایی حلقه های ساده
مرتبه لگاریتمی
مرتیه حلقه های پشت سرهم
مرتبه حلقه های تودرتو
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvsfte101
ساختمان داده ها، یکی از دروس مهم و شیرین دانشگاهی است که به صورت پایه ای برای دروس مختلف از آن استفاده می شود، این درس در کنکور کارشناسی ارشد کامپیوتر و کنکور دکتری هوش مصنوعی و نرم افزار از دروس با ضرایب بالا می باشد. به همین دلیل آموزش ساختمان داده ها توسط یکی از بهترین مدرسین مسلط به مباحث ساختمان داده ها، ارائه شده است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
- بخش یکم: مرتبه اجرایی
- بخش دوم: زیربرنامه های بازگشتی
- بخش سوم: آرایه
- بخش چهارم: صف و پشته
- بخش پنجم: لیست پیوندی
- بخش ششم: درخت
- بخش هفتم: گراف
- بخش هشتم: مرتب سازی
- بخش نهم: درهم سازی
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/fvds9402
36. اصلی مراجع
1. S. Fortunato, "Community detection in graphs ," Physics reports, vol.
486, pp. 75-174, 2010.
2. M. Zaharia, M. Chowdhury, M. J. Franklin, S. Shenker, and I. Stoica,
"Spark: Cluster Computing with Working Sets," HotCloud, vol. 10, pp.
10-10, 2010.
3. R. S. Xin, J. E. Gonzalez, M. J. Franklin, and I. Stoica, "Graphx: A
resilient distributed graph system on spark," in First International
Workshop on Graph Data Management Experiences and Systems,
2013, p. 2.
4. L. Danon, A. Diaz-Guilera, J. Duch, and A. Arenas, "Comparing
community structure identification," Journal of Statistical Mechanics:
Theory and Experiment, vol. 2005, p. P09008, 2005.
5. A. Lancichinetti and S. Fortunato, "Community detection algorithms: a
comparative analysis," Physical review E, vol. 80, p. 056117, 2009.
36 / 37
مقدمهدادهکالن انجمن تشخیصGraphXارزیابیبندیجمع