دانلود کتاب Data Quality: Concepts, Methodologies and Techniques

ترجمه فارسی توضیحات (ترجمه ماشینی)

کیفیت داده ها: مفاهیم، ​​روش ها و تکنیک ها

کیفیت داده ها می تواند به طور جدی کارایی و اثربخشی سازمان ها و کسب و کارها را مختل کند یا به آنها آسیب برساند. آگاهی روزافزون از چنین پیامدهایی منجر به ابتکارات عمومی بزرگی مانند “قانون کیفیت داده” در ایالات متحده و دستورالعمل “2003/98 اروپا” پارلمان اروپا شده است. Batini و Scannapieco مقدمه ای جامع و سیستماتیک برای مجموعه گسترده ای از مسائل مربوط به کیفیت داده ها آنها با توصیف دقیق ابعاد مختلف کیفیت داده ها، مانند دقت، کامل بودن، و سازگاری و اهمیت آنها در انواع مختلف داده ها، مانند داده های فدرال، داده های وب یا داده های وابسته به زمان، و در دسته های داده های مختلف طبقه بندی شده شروع می شوند. فرکانس تغییرات، مانند داده های پایدار، بلندمدت و دائما در حال تغییر. شرح گسترده این کتاب از تکنیک ها و روش ها از تحقیقات کیفیت داده های اصلی و همچنین زمینه های مرتبط مانند داده کاوی، نظریه احتمالات، تجزیه و تحلیل داده های آماری، و یادگیری ماشین، نمای کلی عالی از وضعیت فعلی هنر را ارائه می دهد. این ارائه با توصیف کوتاه و مقایسه انتقادی ابزارها و روش‌های عملی تکمیل می‌شود که به خوانندگان کمک می‌کند تا مشکلات کیفی خود را حل کنند. این کتاب ترکیبی ایده‌آل از سلامت مبانی نظری و کاربرد رویکردهای عملی است. این به طور ایده آل برای همه – محققین، دانشجویان یا متخصصان – علاقه مند به یک مرور کلی از مسائل کیفیت داده ها مناسب است. علاوه بر این، به عنوان پایه ای برای یک دوره مقدماتی یا برای خودآموزی در مورد این موضوع عمل می کند.

Data Quality: Concepts, Methodologies and Techniques

oor data quality can seriously hinder or damage the efficiency and effectiveness of organizations and businesses. The growing awareness of such repercussions has led to major public initiatives like the “Data Quality Act” in the USA and the “European 2003/98” directive of the European Parliament.Batini and Scannapieco present a comprehensive and systematic introduction to the wide set of issues related to data quality. They start with a detailed description of different data quality dimensions, like accuracy, completeness, and consistency, and their importance in different types of data, like federated data, web data, or time-dependent data, and in different data categories classified according to frequency of change, like stable, long-term, and frequently changing data. The book’s extensive description of techniques and methodologies from core data quality research as well as from related fields like data mining, probability theory, statistical data analysis, and machine learning gives an excellent overview of the current state of the art. The presentation is completed by a short description and critical comparison of tools and practical methodologies, which will help readers to resolve their own quality problems.This book is an ideal combination of the soundness of theoretical foundations and the applicability of practical approaches. It is ideally suited for everyone – researchers, students, or professionals – interested in a comprehensive overview of data quality issues. In addition, it will serve as the basis for an introductory course or for self-study on this topic.