×
ribbon

الگوریتم های داده های حجیم

Big data اصطلاحی است برای مجموعه داده های حجیم که بزرگ ، متنوع ، با ساختار پیچیده و با دشواریهایی برای ذخیره سازی ، تحلیل و تصویرسازی (نمایش) ، پردازشهای بیشتر یا نتایج میباشد. پروسه ... ادامه

ارائه دهنده:  دانشگاه صنعتی شریف  دانشگاه صنعتی شریف
مدرس دوره:
3 (2 رای)
سطح: مقدماتی
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  20 جلسه
مجموع محتوای آموزشی:  22 ساعت ویدئو
 (قابل دانلود می‌باشد)

سرفصل‌های دوره الگوریتم های داده های حجیم

فیلم های آموزشی
  جلسه اول - مقدمه
"31:21  
  جلسه دوم - مرتب سازی
"84:06  
  external data structure - جلسه سوم
"61:51  
  جلسه چهارم - weighted B-tree
"65:16  
  جلسه پنجم - persistant B-tree
"65:16  
  جلسه ششم - buffer technique
"80:36  
  جلسه هفتم - internal trees
"77:32  
  جلسه هشتم -
"67:28  
  جلسه نهم - الگوریتم های درخت
"72:03  
  جلسه دهم - تور اویلری، time formal processing، simulation
"77:57  
  جلسه یازدهم - connected components، minimum spanning tree
"49:15  
  جلسه دوازدهم - BFS
"69:15  
  جلسه سیزدهم - DFS
"70:03  
  جلسه چهاردهم - cache-oblivious
"74:52  
  جلسه پانزدهم - ordered files، cache-oblivious
"57:56  
  جلسه شانزدهم - streaming model ، Majority problem
"59:13  
  جلسه هفدهم - comunication theory ، lower bounds
"72:46  
  جلسه هجدهم - تخمین تعداد اعداد متمایز در مدل streaming
"73:55  
  جلسه نوزدهم - Finding frequent items via sketching
"80:55  
  جلسه بیستم - محاسبه تعداد مثلث ها
"54:26  

درباره دوره

Big data اصطلاحی است برای مجموعه داده های حجیم که بزرگ ، متنوع ، با ساختار پیچیده و با دشواریهایی برای ذخیره سازی ، تحلیل و تصویرسازی (نمایش) ، پردازشهای بیشتر یا نتایج میباشد. پروسه تحقیق بر روی داده های حجیم جهت آشکارسازی الگوهای مخفی و راز همبستگی ها ، تجزیه و تحلیل big data نامیده میشود. این اطلاعات مفید برای سازمانها وشرکتها در جهت کسب بینش غنی تر و عمیق تر و موفقیت در رقابت کمک میکند. به همین دلیل اجراهای big data نیاز دارند تا در صورت امکان ، تحلیل شوند و به طور دقیق اجرا شوند. این گزارش خلاصه ای از محتوای big data ، هدف ، مثالها ، روشها ، منافع و چالش ها ارائه میدهد و در خصوص نگرانی های حفظ حریم خصوصی در big data بحث میکند.

درباره استاد

maktabkhooneh-teacher محمد علی آبام

دکتر محمد علی آبام عضو هیأت علمی دانشگاه صنعتی شریف است. ایشان مدرک دکتری خود را از دانشگاه آیندهوون هلند دریافت کرده است و زمینه‌های تحقیقاتی مورد علاقه وی هندسه محاسباتی٬ الگوریتم بهینه IO و الگوریتم‌های تصادفی است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران  ( نظر)

صفحه 1 از
علیرضا کیومرثی 1401-11-01
کیفیت اموزش بسیار پایین

دوره‌های پیشنهادی

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.
poster
  
برگزار کننده:  دانشگاه صنعتی شریف
  
زمان مورد نیاز برای گذارندن دوره:  20 جلسه
مجموع محتوای آموزشی:  22 ساعت ویدئو
 (قابل دانلود می‌باشد)