دانلود ترجمه مقاله سیری در آمار کلان داده ها (ساینس دایرکت – الزویر 2018) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

 سیری در آمار کلان داده ها

Journeys in big data statistics

چکیده

1- منابع طبیعی جدید

2- مطالعه موردی: داده های بزرگ حمل و نقل

3-خلاصه و چک لیست

منابع

چکیده

قلمرو داده های بزرگ، قلمروی بسیار گسترده و متنوع است. ما درباره داده های قدیمی، جدید، کوچک و بزرگ، همراه با برخی از چالش های مهم از جمله مواجهه با داده های شی گرا و بسیار سازمان یافته بحث می نماییم. هدف بسیاری از برنامه های کاربردی، تشخیص الگوها و یادگیری از روی مجموعه داده های بزرگ مربوط به داده های قدیمی است. ما برآنیم تا درباره چنین مسائلی در برخی از برنامه های شبکه حمل و نقل در محیط های غیر دانشگاهی بحث نماییم که به طور طبیعی برای موقعیت های دیگر نیز کاربردپذیر هستند. جنبه های حیاتی شامل مواجهه با لجستیک، کدنویسی و انتخاب روش آماری مناسب می گردد و ما خلاصه و چک لیستی را برای اجرای گسترده تر ارائه نمودیم.

3- خلاصه و چک لیست

ما خلاصه ای از نقطه شروع یک تحقیق معمولی را ذیلاً ارائه نمودیم: • دسترسی امن و دائمی به داده های جدید. • تعیین هدف تحقیق به عنوان مثال شناسایی تنگناهای شبکه، شناسایی بدترین مسیرهای عملکرد، بکاهش انتشار، پیش بینی زمان سفر و غیره. • تعیین رسمی قالب داده ها برای استفاده. • ایجاد ابزارهایی که اجازه جستار داده ها را به وسیله ذینفعان مختلف در یک کسب و کار برای کاوش سوالات خود فراهم نمایند. • استفاده از تکنیک های طبقه بندی برای تشخیص الگوها، و رتبه بندی مسیرهای. • استفاده از تکنیک های رگرسیون در یک شبکه جغرافیایی خوب برای مدلسازی اثر قطعات کوچکی از زیرساخت ها (به عنوان مثال امتداد خاصی از جاده، ایستگاه اتوبوس، مسیر راه آهن و یا ایستگاه) بر مسیر آتی یک وسیله نقلیه. با این حال برای استفاده در انجام پیش بینی های خوب با شناسایی متغیرهای کمکی مربوطه باید درباره داده های تاریخی تصمیماتی اتخاذ گردد. • پیاده سازی کارآمد تکنیک های آماری برای کاربرد زنده.

Abstract

The realm of big data is a very wide and varied one. We discuss old, new, small and big data, with some of the important challenges including dealing with highly-structured and object-oriented data. In many applications the objective is to discern patterns and learn from large datasets of historical data. We shall discuss such issues in some transportation network applications in non-academic settings, which are naturally applicable to other situations. Vital aspects include dealing with logistics, coding and choosing appropriate statistical methodology, and we provide a summary and checklist for wider implementation.

3- Summary and checklist

We provide a summary of the starting points for a typical investigation as follows: • Secure on-going access to new data. • Establish the purpose of an investigation, e.g. to identify network bottlenecks, to identify worst performing routes, to reduce emissions, to make travel time predictions etc. . . • Establish formally the data format to use. • Create tools to allow querying of the data by different stakeholders in a business, to probe their own questions. • Use classification techniques to discern patterns, and rankings of routes. • Try regression techniques over a fine geographical grid to model the effect of small pieces of infrastructure (e.g. a particular stretch of road, bus station, railway track or station) upon the future journey of a vehicle. Decisions, however, need to be made concerning which historical data to use to make good predictions, by identifying relevant covariates. • Implement the statistical techniques efficiently, for live usage.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 سیری در آمار کلان داده ها

Journeys in big data statistics