ترجمه مقاله سیری در آمارهای داده های بزرگ – نشریه الزویر

عنوان فارسی: | سیری در آمارهای داده های بزرگ |
عنوان انگلیسی: | Journeys in big data statistics |
تعداد صفحات مقاله انگلیسی : 5 | تعداد صفحات ترجمه فارسی : 11 (شامل 1 صفحه رفرنس انگلیسی) |
سال انتشار : 2018 | نشریه : الزویر - Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده و pdf |
نوع مقاله : ISI | نوع نگارش : مقاله کوتاه (Short Communication) |
پایگاه : اسکوپوس | نوع ارائه مقاله : ژورنال |
ایمپکت فاکتور(IF) مجله : 0.693 در سال 2018 | شاخص H_index مجله : 56 در سال 2019 |
شاخص SJR مجله : 0.559 در سال 2018 | شناسه ISSN مجله : 0167-7152 |
شاخص Q یا Quartile (چارک) : Q3 در سال 2018 | کد محصول : 9980 |
محتوای فایل : zip | حجم فایل : 861.78Kb |
رشته و گرایش های مرتبط با این مقاله: آمار، آمار ریاضی |
مجله: اسناد آمار و احتمال - Statistics and Probability Letters |
دانشگاه: دانشکده علوم ریاضی ، دانشگاه ناتینگهام ، انگلستان |
کلمات کلیدی: داده های بزرگ، داده های شی گرا، حمل و نقل، شبکه ها |
کلمات کلیدی انگلیسی: Big data - Object-oriented data - Transport - Networks |
وضعیت ترجمه عناوین تصاویر : ترجمه شده است ✓ |
وضعیت ترجمه متون داخل تصاویر : ترجمه شده است ✓ |
وضعیت ترجمه منابع داخل متن: ترجمه شده است ✓ |
بیس: نیست ☓ |
مدل مفهومی: ندارد ☓ |
پرسشنامه: ندارد ☓ |
متغیر: ندارد ☓ |
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله |
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است |
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.spl.2018.02.013 |
چکیده
1. منابع طبیعی جدید
2. مطالعه موردی: داده های بزرگ حمل و نقل
3.خلاصه و چک لیست
منابع
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.
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.