ترجمه تخصصی ارزان مقاله بهبود درک آنالیز بیزین در عصر کلان داده ها با استفاده از بسته Bayesvl R (الزویر 2020)

ترجمه فارسی چکیده مقاله:

رشد وسیع حجم و پیچیدگی داده‌های اجتماعی بسیاری از کمبودهای روش‌های آمارگیری متداول مربوط به آن‌ها را آشکار کرده است، به همین دلیل برای مدیریت این اطلاعات از جامعه‌ی علمی کمک گرفته‌ایم، روش R Bayesvl به عنوان یک روش جایگزین برای روش آمارگیری بیزین که هنوز با مشکلات قابل توجهی روبه‌رو است بیان شده است. سری R بسته bayesvl یک برنامه متن باز[1] که برای مدل‌سازی و تجزیه و تحلیل بیزین با استفاده از زبان STAN طراحی شده است. این بسته توانایی ساخت مدل‌های شبکه بیزین با استفاده از ترکیب نمودارهای چرخشی مستقیم (DAGs) [2] ، روش شبیه‌سازی MCMC [3]و قابلیت گرافیکی ggplot2 را دارد و در نهایت این روش تجربه کاربر و درک بصری هنگام ساخت و تحلیل داده‌های شبکه بیزین را بهبود می‌بخشد. مثال ارائه شده در مقاله برای نشان دادن فواید این روش به هنگام کار با کلان داده‌ها و محاسبات شناختی آن‌ها ارائه شده است.

کلمات کلیدی : شبکه بیزین ، کلان داده ، MCMC ، Bayesvl R

[1] Open source

[2] directed acyclic graphs

[3] Markov chain Monte Carlo

عنوان مقاله انگلیسی:

Improving Bayesian statistics understanding in the age of Big Data with the bayesvl R package

چکیده مقاله انگلیسی:

The exponential growth of social data both in volume and complexity has increasingly exposed many of the shortcomings of the conventional frequentist approach to statistics. The scientific community has called for careful usage of the approach and its inference. Meanwhile, the alternative method, Bayesian statistics, still faces considerable barriers toward a more widespread application. The bayesvl R package is an open program, designed for implementing Bayesian modeling and analysis using the Stan language’s no-U-turn (NUTS) sampler. The package combines the ability to construct Bayesian network models using directed acyclic graphs (DAGs), the Markov chain Monte Carlo (MCMC) simulation technique, and the graphic capability of the ggplot2 package. As a result, it can improve the user experience and intuitive understanding when constructing and analyzing Bayesian network models. A case example is offered to illustrate the usefulness of the package for Big Data analytics and cognitive computing.

keywords: Bayesian network, MCMC, Ggplot2, Bayesvl, Big data

مشخصات فایل مقاله انگلیسی (اصلی)

تعداد صفحات مقاله: 4

تاریخ انتشار مقاله: 2020

نشریه: الزویر Elsevier / ساینس دایرکت Science Direct

فرمت فایل: pdf

حجم فایل: 757KB

لینک دانلود رایگان مقاله انگلیسی:

مقاله انگلیسی بهبود درک آنالیز بیزین در عصر کلان داده ها با استفاده از بسته Bayesvl R

مشخصات فایل‌های ترجمه تخصصی ارزان مقاله (فارسی)

تعداد صفحات فایل pdf ترجمه: 7

تعداد صفحات فایل word ترجمه: 7

حجم فایل pdf ترجمه: 354KB

حجم فایل word ترجمه: 236KB

حجم فایل فشرده ترجمه (فایل زیپ): 483KB

زبان ترجمه: فارسی

ترجمه تصاویر: ندارد

ترجمه زیرنویس تصاویر: دارد

فونت فارسی ترجمه: BTitr و BNazanin

فایل‌های قابل دانلود پس از پرداخت: فایل فشرده شامل فایل word و فایل pdf ترجمه