فایل سند پاورپوینت در انتهای این بخش قابل دسترسی است.
سطح مطالب سند در چه حدی است؟
مناسب افرادی است که گراف کاوی آشنایی مقدماتی داشته باشند.
این سند آموزشی برای چه کسانی مناسب است؟
این سند آموزشی مناسب افرادی است که قصد دارند درک بهتری ار نحوه عملکرد چارچوب های پردازشی گراف های حجیم داشته باشند.
سرفصل های اصلی سند شامل چه مواردی است؟
- آشنایی با گراف های فوق حجیم
- انواع پردازش گراف
- تقسیمبندی الگوریتم های گراف
- طبقه بندی مدل های برنامه نویسی چارچوب های تحلیل گراف
- انواع معماری پردازش گراف
- هماهنگ سازی توزیع شده
- مدل محاسباتی همگام
- مدل محاسباتی ناهمگام
- بخش بندی گره محور
- پردازش گره محور
- تشریح عملکرد Pregel: یافتن بزرگترین مقدار گره در کل گراف
- بخش بندی گره محور (یال بُرشی)
- Giraph
- GraphX
- بخش بندی یال محور (راس بُرشی)
- X-Stream
- بخش بندی مولفه محور
- مقایسه سیستم های پردازش گراف های فوق حجیم
- روش برنامه نویسی MapReduce
- روش حافظه اشتراکی
- پیش بینی لینک در گراف های حجیم
- پیش بینی لینک در گراف های حجیم با تکیه بر Map Reduce
- روش GBASE
- چارچوب GBASE
- مزیت های کلیدی GBASE
- مراحل کار در GBASE: فاز اول، شاخص گذاری
- ذخیره سازی و شاخص گذاری در گراف
- دو گونه ماتریس کلیدی به منظور کاوش گراف های حجیم
- رویکرد PEGASUS
- معیار ماژولاریتی و الگوریتم Louvain
- تشریح عملکرد الگوریتم Louvain
- پیشنهاد برای پژوهش آتی
آشنایی با نگارنده سند
محمد حیدری
بنیانگذار مدرسه علم داده
مهندس کلان داده، ژرف اندیشان رایانش هوشمند شریف
ارشد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس تهران
پژوهشگر ارشد هوش مصنوعی، پژوهشگاه دانش های بنیادی (IPM)
مقالات
- Heydari and M. Soltanshahi, “MLOps, Tools, Challenges, and Solutions”, Submitted to 7th IEEE IAEA, 2023, [Ref]
- Heydari and M. Soltanshahi, “The Role of AI and Big Data Analytics in Cyber Security”, Submitted to 2nd CYSP, 2023
- Bayat, M. Heydari, A. Albadvi “Analysis of Insect-Plant Interactions, A Graph Mining Approach.”, arXiv, 2023 [Re]
- Heydari and B. Teimourpour, “Persian News on Instagram, A Words Co-occurrence Graph-based Approach.” Submitted to ICCKE2023
- Heydari and B. Teimourpour, “Graph Representation Learning Towards Patents Network.” 11th IEEE ICCKE, 2021 [Ref]
- Heydari, M. Khazeni and M. Soltanshahi, “Deep Learning Sentiment Analysis in Persian Language,” 7th IEEE ICWR, 2021 [Ref]
- Heydari and B. Teimourpour, “Persian Opinion Mining: A Networked Analysis Approach.” 7th IEEE ICWR, 2021 [Ref]
- Heydari and B. Teimourpour, “Analysis of ResearchGate, a Community Detection Approach.” 6th IEEE ICWR, 2020 [Ref]
- Heydari, “Sentiment Analysis Challenges in Persian Language.”, arXiv, 2019 [Ref]
سوابق برگزاری کارگاه های آموزشی در سطح ملی
- پنجمین سمینار زمستانه علوم کامپیوتر، دانشگاه صنعتی شریف، تهران، زمستان 1397
- پردازش و تحلیل گراف با استفاده از Python و NetworkX
- ششمین سمینار زمستانه علوم کامپیوتر، دانشگاه صنعتی شریف، تهران، زمستان 1398
- پردازش و تحلیل کلان داده ها با Apache Spark
- یازدهمین کنفرانس بین المللی فناوری اطلاعات، دانشگاه شهید بهشتی تهران، پاییز 1399
- مهندسی کلان داده ها با استفاده از Hadoop Ecosystem
- دومین رویداد تابستانه هوش مصنوعی، دانشگاه صنعتی امیرکبیر، بهار 1400
- پردازش زبان طبیعی با استفاده از هوش مصنوعی و یادگیری عمیق
- دوازدهمین جشنواره ملی لینوکس، دانشگاه صنعتی امیرکبیر، تابستان 1400
- ابزارهای کلیدی برای پردازش و تحلیل کلان داده ها
سوابق تدریس
- هنرآموز بیش از 2000 علاقه مند به علوم داده و کلان داده، مدرسه علم داده
- از دی 1398 تا به امروز
- تدریس یار درس کاوش مه داده، دانشکده علوم ریاضی و کامپیوتر، دانشگاه تربیت مدرس تهران
- بهار 1400
- تدریس یار درس کاوش دادگان انبوه، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
- زمستان 1398
- تدریس یار درس داده کاوی و کشف دانش، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
- زمستان 1398
- تدریس یار درس شبکه های پیچیده، دانشکده مهندسی صنایع، دانشگاه شهید بهشتی تهران
- زمستان 1398
- تدریس یار درس تحلیل شبکه های اطلاعاتی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
- پاییز 1398
- مدرس دوره های برنامه نویسی پایتون و لینوکس، مرکز آموزش های تخصصی جهاد دانشگاهی
- تابستان 1396
سند آموزشی چارچوب های پردازشی گراف های حجیم
سند آموزشی چارچوب های پردازشی گراف های حجیم فایل های ضمیمه
59 صفحه با پسوند PPSX
دوره های مرتبط
کارگاه آموزشی پروژه محور مبانی یادگیری عمیق با پایتون
کارگاه آموزشی مهندسی داده
کارگاه آموزشی پروژه محور شباهت سنجی رنگ ها و تصاویر با پایتون
کارگاه آموزشی پروژه محور برنامه نویسی پایتون پیشرفته
کارگاه آموزشی پروژه محور شبکه های مولد تخاصمی (GAN)
دوره جامع پروژه محور یادگیری عمیق با پای تورچ (PyTorch)
Deep Learning with PyTorch Framework
پلتفرم بعنوان سرویس با Docker برای مهندسان داده
کارگاه آموزشی Apache Spark برای تحلیل داده ها
امتیاز دانشجویان دوره
نظرات
200,000 تومان 99,000 تومان
محمد حیدری
بنیانگذار مدرسه علم دادهمهندس ارشد کلان داده در سداد، پژوهشگر ارشد هوش مصنوعی در پژوهشگاه دانش های بنیادی، کارشناسی مهندسی نرم افزار از دانشکده فنی تهران، دانشجوی اسبق مهندسی فناوری اطلاعات در دانشگاه شهید بهشتی تهران، فارغ التحصیل کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس تهران
تنها اشخاصی که این محصول را خریداری کرده اند و وارد سایت شده اند می توانند در مورد این محصول بازبینی ارسال کنند.