فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    3
تعامل: 
  • بازدید: 

    3158
  • دانلود: 

    3277
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 3158

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 3277
اطلاعات دوره: 
  • سال: 

    1386
  • دوره: 

    -
  • شماره: 

    7
  • صفحات: 

    35-46
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    434
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

0

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 434

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1403
  • دوره: 

    3
  • شماره: 

    1
  • صفحات: 

    111-124
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    96
  • دانلود: 

    0
چکیده: 

این تحقیق به بررسی مدل پیش بینی عملکرد سازمانی مبتنی بر تحلیل داده های بزرگ و هوش استراتژیک می پردازد. در دنیای پیچیده و پر تغییر امروز، سازمان ها برای تصمیم گیری های استراتژیک و بهبود عملکرد خود نیازمند استفاده از تکنیک های نوین مانند تحلیل داده های کلان و هوش مصنوعی هستند. داده های بزرگ، با فراهم آوردن دیدگاه های عمیق و تحلیل های پیشرفته، به سازمان ها این امکان را می دهند که پیش بینی های دقیق تری در مورد عملکرد خود داشته باشند. همچنین، هوش استراتژیک به عنوان ابزاری برای تحلیل اطلاعات و اتخاذ تصمیمات آگاهانه در راستای مزیت رقابتی پایدار مطرح می شود. هدف اصلی این مقاله، طراحی مدل پیش بینی عملکرد سازمانی با استفاده از این دو رویکرد استراتژیک است. روش تحقیق به کار رفته در این پژوهش، تحلیل مضمونی و مصاحبه با 15 نفر از خبرگان حوزه مدیریت و فناوری اطلاعات است. نتایج تحقیق نشان می دهد که ترکیب داده های بزرگ با هوش استراتژیک، می تواند سازمان ها را در پیش بینی و بهبود عملکرد خود یاری دهد و راهکارهایی برای مدیریت بهینه فرآیندها و تصمیمات استراتژیک فراهم آورد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 96

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

SAFAEI ALI ASGHAR

اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    14
  • شماره: 

    3
  • صفحات: 

    1-15
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    290
  • دانلود: 

    0
چکیده: 

in the era of information, DATA which are worthwhile asset of human, organizations and enterprises have become such sophisticated that the conventional approaches and methods are not usable anymore, or not efficient at least. Such complexity which is known as the BIG DATA problem is the affordable extraction of value from BIG DATA sets that we are encountered in many recent applications e.g., e-business, scientific research, monitoring, search engines, social networking, etc.. BIG DATA complexities are instantiated by three major dimensions, high Volume, high Variety, and high Velocity (a.k.a.3Vs). The first and most essential step in DATA management (also for BIG DATA management) is designing and employing a proper DATA model, as the footstone of the other DATA management activities such as R& D of DB languages, DBMSs, tools, methods, algorithms, etc.. In this paper, a proper DATA model for BIG DATA is designed and proposed in which the properties required for BIG DATA problem (i.e., to be integrated, complete, scalable, flexible, compatible, and efficient) are considered. As a DATA model, DATA representation is designed and implicit integrity constraints are presented for the proposed HNG (Hyper Nested Graph) DATA model. Experimental evaluation results show that the proposed DATA model outperforms other currently used DATA models such as the document-based, graph document-based, and graph- based DATA models in terms of response time.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 290

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

نصیری زهرا

نشریه: 

آرمان پردازش

اطلاعات دوره: 
  • سال: 

    1402
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    11-20
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    296
  • دانلود: 

    85
چکیده: 

در حال حاضر، رشد چشمگیر تعداد کاربران خدمات برخط و سیستم های توزیعی، مقدار زیادی از اطلاعات پایگاه داده ای در سطح انبارهای داده و کلان داده ها را تولید می نمایند. انبارهای داده مجموعه بزرگی از داده های تجاری هستند که به سازمان ها و کسب وکارها کمک می کند تا در تصمیم گیری های خود دقیق تر و هوشمندانه تر عمل کنند. کلان داده نیز مجموعه ای بسیار بزرگ از داده ها است که از منابع متعددی جمع آوری می شود. این داده ها می توانند نتایج ارزیابی عملکرد یک سازمان یا تعاملات مخاطبان آن در شبکه های اجتماعی باشند. بنا به اهمیت روزافزون کارکردهای کلان داده و انبارهای داده، مسئله ای حفظ امنیت داده ها، بزرگترین تهدیدی است که این سیستم ها با آن مواجه می شوند. اساسا پرداختن به مقوله امنیت اطلاعات و ایمن سازی شبکه های اینترنتی، انبارهای داده و خدمات مبتنی بر کلان داده، مستلزم توجه ویژه سازمان به جایگاه امنیت اطلاعات و ایمن سازی همه جانبه این سیستم ها بوده و می بایست به این مقوله در سطح کلان و از بعد منافع و فواید آن نگریست. وجود ضعف امنیتی در این سیستم ها، عدم آموزش و توجیه صحیح کاربران صرف نظر از دیدگاه آنان نسبت به جایگاه و اهمیت ایمن سازی، عدم وجود دستورالعمل های لازم برای پیشگیری از نقایص امنیتی، عدم وجود سیاست های مشخص و مدون به منظور برخورد مناسب و بموقع با اشکالات امنیتی، مسائلی را به دنبال خواهد داشت که ضرر آن متوجه همه کاربران و قابلیت های عملیاتی این سیستم ها می گردد و عملاً زیرساخت اطلاعاتی سازمان ها را در معرض آسیب و تهدید جدی قرار می دهد. در این مقاله قصد داریم درخصوص جنبه های ایمن سازی انبارهای داده و کلان داده ها تحقیق نموده و راهکارهای موثر و منطقی این حوزه را بررسی نمائیم.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 296

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 85 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

نشریه: 

Global Health Journal

اطلاعات دوره: 
  • سال: 

    2021
  • دوره: 

    5
  • شماره: 

    4
  • صفحات: 

    165-168
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    43
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 43

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسنده: 

Hossein Khalaj Babak

همایش: 

CONFERENCE BIG DATA

اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    1
تعامل: 
  • بازدید: 

    154
  • دانلود: 

    0
چکیده: 

BIG DATA HAS BECOME OF HIGH INTEREST IN RECENT YEARS DUE TO ACCESS TO LARGE SCALE DATA AND SIGNIFICANT ADVANCES IN LARGE SCALE DATA MINING AND DATA ANALYTICS. NATURALLY, AMONG WIDE RANGE OF APPLICATIONS OF BIG DATA ANALYTICS, MOBILE OPERATORS HAVE ALREADY SECURED A LARGE PART OF MARKET. ALTHOUGH EXTRACTING INFORMATION FROM MOBILE OPERATORS DATA IS BASED ON VARIOUS TYPES OF HETEROGENEOUS DATA GATHERED IN SUCH NETWORKS, ITS ROLE HAS SO FAR BEEN MAINLY RESTRICTED TO CONTENT EXTRACTION, CUSTOMER SEGMENTATION AND MONETARY OBJECTIVES. IN THIS WORK, WE WILL INVESTIGATE HOW BIG DATA CONCEPTS CAN LEAD TO PERFORMANCE IMPROVEMENT IN SUCH NETWORKS, A CONCEPT THAT UP TO NOW IS HARDLY EXPLORED IN SUCH NETWORKS.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 154

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
نویسنده: 

Sohangir Sina

همایش: 

CONFERENCE BIG DATA

اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    1
تعامل: 
  • بازدید: 

    178
  • دانلود: 

    0
چکیده: 

BIG DATA HAS BEEN ONE OF HOTTEST TERMS OF THE PAST FEW YEARS. YET, BIG DATA AND BIG DATA ANALYTICS ARE USED IN SEVERAL DIFFERENT CONTEXTS TO REFER TO A WIDE RANGE OF SOLUTIONS AND TECHNOLOGIES. IN THIS ARTICLE, I WILL GO OVER THE HISTORY AND THE CURRENT TRENDS OF OPEN SOURCE BIG DATA TECHNOLOGIES AND ECOSYSTEMS STARTING FROM HADOOP AND HDFS TO RECENT DEVELOPMENT OF SPARK AND BLINKDB. I WILL EXPLAIN THE ADVANTAGES AND DISADVANTAGES OF SEVERAL KEY TECHNOLOGIES AND ALSO HOW THESE DIFFERENT TECHNOLOGIES FIT TOGETHER TO PROVIDE AN END-TO-END BIG DATA SOLUTION. I WILL GO OVER SOLUTIONS PROVIDED BY A FEW COMPANIES THAT PROVIDE ENTERPRISE BIG DATA SOLUTIONS BASED ON OPEN SOURCE PLATFORMS AS WELL. NEXT I WILL TALK ABOUT A COUPLE OF APPLICATIONS OF DATA MINING AND DATA ANALYTICS THAT ARE ENABLED BY THESE TECHNOLOGIES AND WILL INTRODUCE FEW SOLUTIONS THAT USE HADOOP AND SPARK TO PROVIDE BIG DATA MACHINE LEARNING AND DATA MINING TOOLS.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 178

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
نویسندگان: 

علی نژاد علیرضا

اطلاعات دوره: 
  • سال: 

    0
  • دوره: 

    11
  • شماره: 

    35
  • صفحات: 

    49-61
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    883
  • دانلود: 

    269
چکیده: 

سرمایه گذاری نقش تعیین کننده ای در رشد اقتصادی دارد. یکی از اهداف اساسی کشورها، دستیابی به رشد اقتصادی و توسعه پایدار می باشد. امروزه حجم قابل توجهی از کار مدیران سرمایه گذاری و همچنین به طور عموم سرمایه گذاران، ساختن پورتفوی کارآمدی از دارایی هاست که اهداف تقاضا را برآورده سازد. در این تحقیق از مدل میانگین - واریانس مارکویتز به همراه محدودیت های عدد صحیح و همچنین یک رویکرد فراابتکاری جدید به نام الگوریتم BIG Bang-BIG Crunch برای تشکیل سبد سهام بهره گرفته شده است. الگوریتم مورد استفاده در این تحقیق با سایر الگوریتم های فراابتکاری نظیر الگوریتم شبیه سازی تبریدی، ژنتیک و ... با استفاده از داده های سهام شاخص های بورس هنگ کنگ، ایران و ژاپن مقایسه شده است و نتایج، حاکی از رقابتی بودن این الگوریتم برای حل مساله بهینه سازی سبد سهام دارند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 883

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 269 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    2016
  • دوره: 

    5
تعامل: 
  • بازدید: 

    234
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

BIG DATA IS A MASSIVE VOLUME OF DATA THAT CAN’T BE PROCESSED EASILY USING TRADITIONAL TECHNIQUES. IN FACT, BIG DATA ANALYSIS REFERS TO THE CAPABILITY OF MANAGING A HUGE VOLUME OF HETEROGENEOUS DATA AT THE RIGHT SPEED, AND WITH SUITABLE SPEED TO ALLOW REAL-TIME PROCESSING. THE WORLD OF BIG DATA OFFERS A NEW SET OF CHALLENGES AND OBSTACLES. THE MAIN CHALLENGE IN THIS AREA IS ANALYZING, PROCESSING AND SEARCHING IN LARGE VOLUME OF DATA FOR THE PURPOSE OF SHARING, STORAGE, AND TRANSFER OF DATA IN A SECURE MANNER. IN SHORT, THE TERM BIG DATA APPLIES TO THE CASE OF INFORMATION THAT CAN’T BE PROCESSED OR ANALYZED USING TRADITIONAL PROCESSES OR TOOLS. INCREASINGLY, ORGANIZATIONS TODAY ARE FACING MORE AND MORE BIG DATA CHALLENGES. BIG DATA ANALYSIS AND THE PREDICTION OF FUTURE OUTCOMES BASED ON THE RESULTS OF ANALYSIS OBTAINED HAVE FOUND APPLICATIONS IN BUSINESS, FINANCE, HEALTHCARE, ETC. SIMILARLY BIG DATA ALSO HAVE RECENTLY FOUND ITS WAY TO FIGHT CRIME. BIG COMPANIES LIKE IBM, DELL, GOOGLE, MICROSOFT INVEST BILLIONS OF DOLLARS IN RESEARCH AND DEVELOPMENT OF BIG DATA TECHNOLOGIES. THE DEVELOPERS HAVE THEIR OWN COMMUNITIES FOR TECHNOLOGIES LIKE HADOOP, NOSQL, REAL TIME, MACHINE LEARNING, ETC. MUCH SUCCESS HAS BEEN ACHIEVED ALREADY IN TERMS OF DEVELOPING AND DEPLOYING TECHNOLOGIES WHICH HELP COMBAT CRIMES. BIG DATA WILL INCREASINGLY INFORM EVERYDAY POLICING AND CYBER SECURITY EFFORTS. LAW ENFORCEMENT OF ALL KINDS, STATE AND LOCAL, ARE MAKING USE OF BIG DATA PRACTICES TO PINPOINT POTENTIAL CRIME HOT SPOTS OR PREDICT HOUSES THAT COULD BE BURGLARIZED. BESIDES CUTTING BACK ON VIOLENT CRIMES AND ROBBERIES, BIG DATA IS ALSO BEING USED TO IDENTIFY WHITE COLLAR CRIMINALS WHO ARE INVOLVED IN FINANCIAL CRIMES SUCH AS INSURANCE FRAUDS, INSIDER TRADING, MONEY LAUNDERING AND HEALTHCARE FRAUD. CYBER-ATTACKS OF ALL KINDS ARE ON THE RISE. ONE WAY TO DEFEND AGAINST THESE ATTACKS IS TO USE BIG DATA TO BECOME AWARE OF CYBER-ATTACKS AND TO FIND VULNERABILITIES TO DEFEND AGAINST AN ATTACK. RESEARCHERS IN COMPUTATIONAL SCIENCE, INFORMATION SYSTEMS, SOCIAL SCIENCES, ENGINEERING, MEDICINE, AND MANY OTHER FIELDS HAVE BEEN CALLED UPON TO HELP ENHANCE OUR ABILITY TO FIGHT VIOLENCE, TERRORISM, CYBERCRIMES, AND OTHER CYBER SECURITY CONCERNS. IN THIS SEMINAR, WE TRIED TO INTRODUCE BIG DATA AS WELL AS ANALYZING THE APPLICATION OF BIG DATA AND ITS REVOLUTION TO COMBAT CRIMES.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 234

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button