معرفی کتاب “Python for Finance: Mastering Data-Driven Finance"

این کتاب در حالیکه برای پایتون 3 به روزرسانی گردیده است، به شما کمک می‌نماید تا با یادگیری زبان پایتون و راهنمایی توسعه دهندگان و تحلیلگران کمی از طریق کتابخانه‌ها و ابزارهای پایتون، به ساخت اپلیکیشن‌های مالی و تحلیل‌های مالی بپردازید.

کتاب "تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها" (بخش اول)

فصل اول کتاب تحلیل عظیم داده، سیستم‌ها، الگوریتم‌ها و کاربردها، با معرفی اولیه و اهمیت عظیم داده برای کسب و کارها شروع می‌شود و سپس با بررسی تفاوت‌های ایجاد شده در عظیم داده در مقایسه با داده‌های سنتی، ضرورت به کارگیری از پردازش‌های موازی در قالب اکوسیستم هدوپ را مطرح می‌کند تا با معرفی اجزای سازنده اصلی آن در لایه‌های مختلف؛ اطلاعات کلی در مورد هدوپ را در اختیار خوانندگان قرار دهد.

معرفی ابزار اسپلانک (Splunk)

اسپلانک(Splunk) یک سکوی(پلتفرم) نرم‌افزاری برای جستجو، تحلیل و مصوررسازی داده‌های تولید شده توسط ماشین‌هاست که از وبسایت‌ها، اپلیکیشن‌ها، سنسورها و دستگاه‌ها داده دریافت میکند.

مطالعه موردی کاربرد تحلیل داده‌های عظیم در صنعت خرده‌فروشی

تسکو: چگونه یک غول خرده فروشی با تحلیل داده‌های عظیم خرید مواد غذایی را متحول کرده است. تسکو بزرگترین خرده فروش مواد غذایی در انگلیس است و مدت‌هاست که در استفاده از فناوری و داده پیشگام است. این فروشگاه زنجیره‌ای یکی از اولین زنجیره‌های سوپرمارکت بود که فعالیت سیستم مشتری را از طریق سیستم کارت وفاداری خود ردیابی کرده و با موفقیت شرایط را به گونه‌ای مدیریت کرد که رفته رفته فعالیت خود را به خرده فروشی آنلاین منتقل کرد.

معرفی کتاب "تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها"

پدیده عظیم‌داده با شدت زیادی بر بخش‌های مختلف صنعت و کسب و کار تاثیر گذاشته است و اکوسیستم اطلاعاتی جدیدی را به منصه ظهور رسانده است. کتاب "تحلیل عظیم‌داده، سیستم‌ها، الگوریتم‌ها و کاربردها" بررسی جامعی از تکنیک‌‌ها، فن‌آوری‌ها و کاربردهای عظیم‌داده و تحلیل آن را ارائه داده است.

معرفی ابزار آپاچی کاساندرا (Apache cassandra)

یکی از ابزارهای مطرح عظیم داده در سال 2020 آپاچی کاساندرا بوده که برای مدیریت عظیم داده کاربرد فراوانی داشته و برای کار با داده‌های عظیم طراحی شده تا کاربران بتوانند این داده‌ها را به راحتی و با سرعت بالا دریافت نمایند.

نقش تحلیلگری عظیم‌داده در اینترنت اشیاء صنعتی

اینترنت اشیاء صنعتی، فناوری اطلاعات را به فناوری عملیاتی تبدیل نموده و امکانات گسترده‌ای را برای ابزار دقیق فراهم آورده و منجر به بهره وری وسیع برای اکثر عملیات صنعتی می‌گردد. تولید عظیم‌داده در اینترنت اشیاء صنعتی به دلیل استقرار گسترده سنسورها و لوازم اینترنت اشیاءمشهود است.

تحلیل داده هدوپ پیشرفته

"تحلیل داده هدوپ پیشرفته : طراحی و ساخت سیستم های عظیم‌داده با استفاده از اکوسیستم هدوپ" “Pro Hadoop Data Analytics: Designing and Building Big Data Systems using the Hadoop Ecosystem”

معرفی سرویس: Gravy Analytics

بازاریابان نیازمند زمینه‌ای هستند که چرایی قرار گرفتن مشتری در مکان‌های مختلف را درک نمایند. Gravy Analytics با داشتن پایگاه داده بزرگی از رخدادهای محلی و فعالیت‌ها قادر است اطلاعاتی را در این خصوص برای تبلیغات و برندها فراهم نماید.

مطالعه موردی کاربرد عظیم‌داده در دولت آمریکا

اداره کردن قدرت اقتصادی برتر دنیا و جمعیت 300 میلیونی امریکا، تلاش و منابع فراوانی لازم دارد و حکومت فدرال آمریکا در خصوص یکایک جنبه‌های زندگی شهروندان مسئولیت دارد؛ مسئولیتی که بین بازوهای مختلف دولت که هر کدام داده‌های سنتی خود را دارند، تقسیم شده و اهمیت و الزام اشتراک‌گذاری داده‌ها بین بخش‌های مختلف را برای انجام عملیات تحلیل داده فوق سریع و تکنیک‌های دقیق مانیتورینگ داده‌ها نشان می‌دهد.

عظیم‌داده: یادگیری عمیق برای تحلیل احساسات در حوزه‌ی مالی

در این مقاله با بررسی چالش‌های موجود در تحلیل عظیم‌داده و به طور خاص حوزه تحلیل احساسات، استفاده از الگوریتم‌های یادگیری عمیق را بر روی مجموعه داده‌های شبکه اجتماعی مالی مربوط به بازار بورس مطرح نموده است و چگونگی استفاده از تحلیل احساسات در این شبکه برای رسیدن به پیش‌بینی دقیقی از حرکت‌های آتی بازار مورد بررسی قرار گرفته است.

معرفی تجربه داخلی: دیتامون (DataMoon)

شرکت دیتامون (هوش داده مهتاب) از سال 1397 سرویس‌های مختلفی را در حوزه هوش مصنوعی ارائه می‌نماید که شامل پالایش هوشمند متن، شناسایی اشیا، تشخیص چهره، حذف پس زمینه، پلاک خوان، پالایش هوشمند تصویر و ... می‌باشد.

کتاب "خبرگی در مجموعه‌ داده‌های بزرگ توسط Python"

راهکارهای مبتنی بر علم داده نیاز به مقیاس‌پذیری دارند. کتاب "خبرگی در مجموعه‌ داده‌های بزرگ توسط Python" به خواننده می‌آموزد تا چگونه یک پروژه کوچک را به گونه‌ای پیاده‌سازی کند تا امکان مقیاس‌پذیری آن میسر شود.

طراحی توسط ب.علی‌میرزایی