دستکاری داده های حجیم (big data) با استفاده از مفاهیم تابعی (functional) ، که بر روی یک کلاستر توزیع شده باشد یکی از نیازهای شایع در صنعت و مسلما یکی از اولین استفاده صنعتی گسترده از ایده های تابعی (functional) می باشد. چند تا از معروف های این بخش MapReduce و Hadoop و Apache Spark […]
پردازش داده های بزرگ با آپاچی اسپارک اسپارک چیست؟ آپاچی اسپارک یک فریم ورک متن باز برای پردازش داده های بزرگ است که بر پایه سرعت، استفاده آسان و تحلیل های پیچیده ساخته شده است. این برنامه در ابتدا در سال 2009 در آزمایشگاه AMP دانشگاه برکلی[1] توسعه یافت و سپس در سال 2010
آپاچی هدوپ چیست؟ هدوپ و داده های بزرگ نام تجاری آپاچی هدوپ در پی نیاز به پردازش حجم عظیم داده های بزرگ متولد شد. دنیای وب، روزانه در حال تولید اطلاعات بیشتر و بیشتر بود به صورتی که شاخص گذاری بر روی بیش از یک میلیون صفحه محتوا، کار بسیار دشواری بود. برای مقابله، گوگل
ADO.NET دسترسی مداوم به منابع اطلاعاتی مانند SQL Server و XML و منابعی که از طریق OLE DB و ODBC در دسترس قرار می گیرند را فراهم می کند. نرم افزار های اشتراک گذاری اطلاعات کاربر می توانند از طریق ADO.NET به چنین منابعی متصل شده و داده های موجود در آن را بازیابی، کنترل
پایگاه داده ها چیست؟ یک پایگاه داده مجموعه ای از داده های ساختارمند است. یک پایگاه داده یک مدل کوچک شده از دامین یک برنامه نرم افزاری است. معمولا به صورت رکورد ( تعداد زیاد بر روی دیسک) و روابط بین رکورد ها سازمان دهی می شود، این آموزش مربوط به سیستم های مدیریت دیتابیس
متلب برای داده بزرگ یکی از سوالات علاقه مندان به big data از ما در کلاس ها و سمینارها ، نحوه استفاده از متلب برای کار با داده های حجیم است. هم اکنون نرم افزارهای متعددی برای کار با داده های بزرگ وجود دارد مانند IBM Bigdata Analytics HP Big Data SAP Bigdata Analysis MicroSoft
آموزش فارسی متلب برای داده بزرگ MATLAB for Big Data بیشتر بخوانید »
يكي از موضوعات داغ در رشته كامپيوتر ، موضوع داده هاي بزرگ يا big data مي باشد. شايد اين سوال براي شما ايجاد شود كه ديتابيس چه اندازه اي داشته باشد تا به عنوان يك big data در نظر گرفته شود؟ هيچ جواب مشخص و سريعي براي اين سوال وجود ندارد. بلكه به طور كلي