Big Data Glossary

برای کمک به شما در پیمایش تعداد زیادی از ابزارهای داده جدید موجود، این راهنما 60 مورد از جدیدترین نوآوری‌ها را از پایگاه‌های داده NoSQL و رویکردهای MapReduce تا ابزارهای یادگیری ماشین و تجسم توصیف می‌کند. توضیحات بر اساس تجربه دست اول با این ابزارها در یک محیط تولید است.

این واژه نامه مفید همچنین شامل فصلی از اصطلاحات کلیدی است که به تعریف بسیاری از این دسته ابزارها کمک می کند:

< li>پایگاه‌های داده NoSQL—پایگاه‌های اطلاعاتی سندمحور با استفاده از رابط کلید/مقدار به جای SQL
• MapReduce—ابزارهایی که از محاسبات توزیع‌شده در مجموعه‌های داده بزرگ پشتیبانی می‌کنند < /li>
• ذخیره‌سازی—فناوری‌هایی برای ذخیره‌سازی داده‌ها به روش توزیع‌شده
• سرورها—روش‌های اجاره قدرت محاسباتی در ماشین‌های راه دور
• پردازش—ابزارهایی برای استخراج اطلاعات ارزشمند از مجموعه داده های بزرگ
• پردازش زبان طبیعی—روش هایی برای استخراج اطلاعات از متن ساخته شده توسط انسان </ li>
• آموزش ماشینی—ابزارهایی که به طور خودکار تجزیه و تحلیل داده ها را بر اساس نتایج یک تجزیه و تحلیل یکبار انجام می دهند
• تجسم—برنامه هایی که ارائه می شوند داده های معنی دار گرافیکی
• اکتساب—تکنیک هایی برای پاکسازی منابع داده های عمومی آشفته
• سریال سازی—روش هایی برای تبدیل ساختار داده یا شی حالت را به یک قالب قابل ذخیره

To help you navigate the large number of new data tools available, this guide describes 60 of the most recent innovations, from NoSQL databases and MapReduce approaches to machine learning and visualization tools. Descriptions are based on first-hand experience with these tools in a production environment.

This handy glossary also includes a chapter of key terms that help define many of these tool categories:

• NoSQL Databases—Document-oriented databases using a key/value interface rather than SQL
• MapReduce—Tools that support distributed computing on large datasets
• Storage—Technologies for storing data in a distributed way
• Servers—Ways to rent computing power on remote machines
• Processing—Tools for extracting valuable information from large datasets
• Natural Language Processing—Methods for extracting information from human-created text
• Machine Learning—Tools that automatically perform data analyses, based on results of a one-off analysis
• Visualization—Applications that present meaningful data graphically
• Acquisition—Techniques for cleaning up messy public data sources
• Serialization—Methods to convert data structure or object state into a storable format