Suchergebnisse

"Cowritten by members of Oracle's big data team, [this book] provides complete coverage of Oracle's comprehensive, integrated set of products for acquiring, organizing, analyzing, and leveraging unstructured data. The book discusses the strategies and technologies essential for a successful big data implementation, including Apache Hadoop, Oracle Big Data Appliance, Oracle Big Data Connectors, Oracle NoSQL Database, Oracle Endeca, Oracle Advanced Analytics, and Oracle's open source R offerings"--Page 4 of cover

Much of what constitutes Big Data is information about us. Through our online activities, we leave an easy-to-follow trail of digital footprints that reveal who we are, what we buy, where we go, and much more. This eye-opening book explores the raging privacy debate over the use of personal data, with one undeniable conclusion: once data's been collected, we have absolutely no control over who uses it or how it is used. Personal data is the hottest commodity on the market today-truly more valuable than gold. We are the asset that every company, industry, non-profit, and government wants. Pri

Big Data for Qualitative Research covers everything small data researchers need to know about big data, from the potentials of big data analytics to its methodological and ethical challenges. The data that we generate in everyday life is now digitally mediated, stored, and analyzed by web sites, companies, institutions, and governments. Big data is large volume, rapidly generated, digitally encoded information that is often related to other networked data, and can provide valuable evidence for study of phenomena. This book explores the potentials of qualitative methods and analysis for big data, including text mining, sentiment analysis, information and data visualization, netnography, follow-the-thing methods, mobile research methods, multimodal analysis, and rhythmanalysis. It debates new concerns about ethics, privacy, and dataveillance for big data qualitative researchers. This book is essential reading for those who do qualitative and mixed methods research, and are curious, excited, or even skeptical about big data and what it means for future research. Now is the time for researchers to understand, debate, and envisage the new possibilities and challenges of the rapidly developing and dynamic field of big data from the vantage point of the qualitative researcher.

Intro -- Preface -- Contents -- 1 Big Data for the Greater Good: An Introduction -- 1.1 The Hype Around Big Data and Big Data Analytics -- 1.2 What Is Big Data? -- 1.3 The Social Value of Big Data -- 1.3.1 Healthcare -- 1.3.2 Agriculture -- 1.3.3 Transportation -- 1.4 The Good… but What About the Bad? -- 1.5 Conclusion -- References -- 2 Big Data Analytics and Ethnography: Together for the Greater Good -- 2.1 Introduction -- 2.1.1 What Is Big Data? -- 2.1.2 What Is Ethnography? -- 2.2 Big Data Analytics and Ethnography: Points of Intersection -- 2.2.1 Depicting 'Reality' -- 2.2.2 Changing the Definition of Knowledge -- 2.2.3 Searching for Patterns -- 2.2.4 Aiming to Predict -- 2.2.5 Sensitive to Context -- 2.2.6 'Learning' from Smaller Data -- 2.2.7 Presence of Behavioural Features -- 2.2.8 Unpacking Unstructured Data -- 2.3 Final Thoughts -- References -- 3 Big Data: A Global Overview -- 3.1 Big Data -- 3.1.1 The Origins of Big Data and How It Is Defined -- 3.1.2 What Are the Goals of Big Data? -- 3.1.3 What Is Big Data Transforming in the Data Analysis Sector? -- 3.2 Information Technologies -- 3.3 Analysis Techniques -- 3.4 The Practical Use of the Big Data -- 3.5 The Role and Profile of the Data Scientist -- 3.6 Issues, Challenges and Trends -- 3.6.1 Issues and Challenges -- 3.6.2 Trends -- References -- 4 Big Data for Predictive Analytics in High Acuity Health Settings -- 4.1 Patient Safety and Public Policy Implications -- 4.2 Introduction: The State of Data Capture in Healthcare -- 4.2.1 Patient Data and Demographics -- 4.2.2 Data in Electronic Health Record Systems -- 4.2.3 Available Imaging and Medical Device Data, by Department and by Patient Acuity -- 4.2.4 How Data Are Used to Diagnose, Treat and Manage the Patient -- 4.2.5 Ways to Visualize Data in Healthcare Environments to Facilitate End-User (i.e., Clinical User) Consumption.

Part 1: What is it? Where did it come from?. What is data? And what makes it big? ; Death and taxes. And babies ; Thinking machines -- Part 2: What has big data ever done for us?. Big business ; Big science ; Big society ; Data-driven democracy -- Part 3: Big ideas?. Big Brother ; Who do we think you are? ; Are you a data point or a human being? -- Appendix. Keeping your data private.

Big Data: Principles and Paradigms captures the state-of-the-art research on the architectural aspects, technologies, and applications of Big Data. The book identifies potential future directions and technologies that facilitate insight into numerous scientific, business, and consumer applications. To help realize Big Data's full potential, the book addresses numerous challenges, offering the conceptual and technological solutions for tackling them. These challenges include life-cycle data management, large-scale storage, flexible processing infrastructure, data modeling, scalable machine learning, data analysis algorithms, sampling techniques, and privacy and ethical issues

"Recent technological advancements and other related factors and trends are contributing to the production of an astoundingly large and rapidly accelerating collection of data, or 'Big Data'. This data now allows us to examine urban and regional phenomena in ways that were previously not possible. Despite the tremendous potential of big data for regional science, its use and application in this context is fraught with issues and challenges. This book brings together leading contributors to present an interdisciplinary, agenda-setting and action-oriented platform for research and practice in the urban and regional community. This book provides a comprehensive, multidisciplinary and cutting-edge perspective on big data for regional science. Chapters contain a collection of research notes contributed by experts from all over the world with a wide array of disciplinary backgrounds. The content is organized along four themes: sources of big data; integration, processing and management of big data; analytics for big data; and, higher level policy and programmatic considerations. As well as concisely and comprehensively synthesising work done to date, the book also considers future challenges and prospects for the use of big data in regional science.Big Data for Regional Science provides a seminal contribution to the field of regional science and will appeal to a broad audience, including those at all levels of academia, industry, and government. "--Provided by publisher

Big-Data-Anwendungen verarbeiten vermehrt sensible Gesundheitsdaten. Sie stellen so das Gesundheitsdatenschutzrecht in Deutschland und der EU auf die Probe. Roman Schildbach untersucht umfassend, ob der geltende Rechtsrahmen die großen Chancen von Big Data für die Gesundheit mit den erheblichen Risiken für die Privatsphäre in Ausgleich bringen kann. In der bisherigen Literatur wird dies nicht selten verneint. Das Werk arbeitet hingegen heraus, wie eine auf einen Interessenausgleich gerichtete Rechtsauslegung und -anwendung vielfach praktikable Lösungen ermöglichen. Soweit das Gesundheitsdatenschutzrecht hingegen bei Big-Data-Anwendungsfällen Schwächen zeigt, werden Handlungsmöglichkeiten de lege ferenda entwickelt.

Big Data, also große, komplexe und schnelllebige Datenmengen, werden in der akademischen Sozialforschung, der Marktforschung und der amtlichen Statistik zunehmend analysiert, um relevante Fragestellungen zu beantworten. Das Buch gibt einen Überblick über die aktuelle Nutzung von Big Data in verschiedenen Bereichen sowie die damit verbundenen Chancen und Risiken, stellt neue Studiengänge vor, die zum Umgang mit Big Data befähigen, und behandelt Datenschutzanforderungen und Normen, die bei der Nutzung von Big Data relevant sind. Die Zielgruppen WissenschaftlerInnen, PraktikerInnen und Studierende aus den Sozialwissenschaften, der Marktforschung und der amtlichen Statistik. Die Herausgeber Christian König ist Referent im Institut für Forschung und Entwicklung in der Bundesstatistik des Statistischen Bundesamtes, Wiesbaden und Dozent für das Fach Wirtschaftsmathematik an der Verwaltungs- und Wirtschaftsakademie Wiesbaden e. V. Jette Schröder ist Projektberaterin bei GESIS - Leibniz-Institut für Sozialwissenschaften und Geschäftsführerin der Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e. V. (ASI). Erich Wiegand ist Geschäftsführer des ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V.

This book is about innovation, big data, and data science seen from a business perspective. Big data is a buzzword nowadays, and there is a growing necessity within practitioners to understand better the phenomenon, starting from a clear stated definition. This book aims to be a starting reading for executives who want (and need) to keep the pace with the technological breakthrough introduced by new analytical techniques and piles of data. Common myths about big data will be explained, and a series of different strategic approaches will be provided. By browsing the book, it will be possible to learn how to implement a big data strategy and how to use a maturity framework to monitor the progress of the data science team, as well as how to move forward from one stage to the next. Crucial challenges related to big data will be discussed, where some of them are more general - such as ethics, privacy, and ownership - while others concern more specific business situations (e.g., initial public offering, growth strategies, etc.). The important matter of selecting the right skills and people for an effective team will be extensively explained, and practical ways to recognize them and understanding their personalities will be provided. Finally, few relevant technological future trends will be acknowledged (i.e., IoT, Artificial intelligence, blockchain, etc.), especially for their close relation with the increasing amount of data and our ability to analyse them faster and more effectively.

Was kommt da bloß auf uns zu? Eine Bedrohung, größer als die Atombombe, wie Robert Shiller vermutet, einer der schärfsten Kritiker des Internets? Oder sind die Deutschen in einem für sie typischen Kulturpessimismus und paralysiert durch ungerechtfertigte Zukunftsängste gerade dabei, ihren Wohlstand aufs Spiel zu setzen? Die öffentliche Debatte über das Internet und seinen großen Bruder 'Big Data' hat erheblich an Dynamik und Schärfe zugenommen, seitdem Edward Snowden enthüllt hat, welche Möglichkeiten in Big Data stecken, zum Segen und zum Fluch der Menschen. Unsicherheit hat natürlich Unsicherheit zur Folge. Propheten des Untergangs wie des Heils haben Hochkonjunktur. Wie so oft dürfte die Wahrheit nahe der Mitte liegen. Das Internet wird die Arbeitswelt verändern, aber nicht das Oberste nach unten kehren. Die Vorratsdatenspeicherung wird die Persönlichkeitsrechte der Bürger betreffen, aber deren Freiheit nicht zerstören. Das Internet wird viele Bereiche des Lebens bereichern. Jenseits davon verändert die Datenerzeugung und die Analyse von Massendaten unser Bild von der Wirklichkeit, unsere Wahrnehmung der Welt. Dieser Vorgang ist ein eminent politischer, der größte Achtsamkeit verdient und der politischen und rechtlichen Bearbeitung bedarf. Wir brauchen mehr Governance der Algorithmenwelt, damit uns Big Data nicht aus dem Ruder läuft! (Klaus Mainzer) So wie sich unser Bild der und auf die Welt ändert, verändern sich die Wissenschaften, die sich mit deren Vermessung und Erfassung beschäftigen. Themen, Fragestellungen, Theorien und Methoden werden sich erheblich wandeln. Alle diese Aspekte behandelt das neue Heft 'Politikum'. Jan Philipp Albrecht ist innen- und justizpolitischer Sprecher der Grünenfraktion im Europäischen Parlament. Uwe Dörnhöfer, Erster Kriminalhauptkommissar, ist Leiter der Ermittlungsgruppe Enkeltrick beim Dezernat für Organisierte Kriminalität des Polizeipräsidiums München. Sabine Leutheusser-Schnarrenberger ist eine deutsche Politikerin (FDP). Sie war von 1992 bis 1996 sowie von 2009 bis 2013 Bundesministerin der Justiz. Prof. Dr. Klaus Mainzer hat den Lehrstuhl für Philosophie und Wissenschaftstheorie inne und war bis 2014 Gründungsdirektor des Munich Center for Technology in Society (MCTS) an der Technischen Universität München. Prof. Dr. Kerstin Pohl ist Professorin für Fachdidaktik Sozialkunde/Politik an der Johannes Gutenberg-Universität Mainz und Mitherausgeberin von 'Politikum'. Dr. habil. Ramón Reichert ist Kultur- und Medientheoretiker und seit 2009 Gastprofessor für Film- und Medienwissenschaft an der Universität Wien. Benjamin C. Sack ist wissenschaftlicher Mitarbeiter am Lehrstuhl für empirische Politikforschung an der Johannes Gutenberg-Universität Mainz. Prof. Dr. Stefan Schieren ist Professor für Politikwissenschaft an der Katholischen Universität Eichstätt-Ingolstadt und Mitherausgeber von 'Politikum'. Dr. Walter Schilling war 35 Jahre bei der Bundeswehr, zuletzt als Oberst im Generalstab und Studiendirektor an der Bundesakademie für Sicherheitspolitik in Bonn, ist Politikwissenschaftler und freier Publizist. Sven Vollnhals ist wissenschaftlicher Mitarbeiter am Lehrstuhl für empirische Politikforschung an der Johannes Gutenberg-Universität Mainz. Dr. Werner Widuckel ist Inhaber der Lehrprofessur für Personalmanagement und Arbeitsorganisation in technologieorientierten Unternehmen an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Dr. Jana Windwehr ist wissenschaftliche Mitarbeiterin am Lehrstuhl für Internationale Beziehungen und europäische Politik an der Universität Halle-Wittenberg. Mohammad Zarei ist Doktorand am Lehrstuhl für Internationale Beziehungen und europäi-sche Politik an der Universität Halle-Wittenberg.

"This book highlights some of the most fascinating current uses, thought-provoking changes, and biggest challenges that Big Data means for our society. The explosive growth of data and advances in Big Data analytics have created a new frontier for innovation, competition, productivity, and well-being in almost every sector of our society, as well as a source of immense economic and societal value. From the derivation of customer feedback-based insights to fraud detection and preserving privacy; better medical treatments; agriculture and food management; and establishing low-voltage networks - many innovations for the greater good can stem from Big Data. Given the insights it provides, this book will be of interest to both researchers in the field of Big Data, and practitioners from various fields who intend to apply Big Data technologies to improve their strategic and operational decision-making processes."--

Intro -- Preface -- Contents -- 1 Machine Learning Application in Food Safety, Production, and Quality -- 1.1 Introduction -- 1.2 An Introduction to Food Supply Chain -- 1.2.1 Food Safety -- 1.2.1.1 Foodborne Illness -- 1.2.1.2 Foodborne Disease Outbreaks -- 1.2.2 Food Spoilage and Quality -- 1.2.2.1 Food Authenticity -- 1.2.2.2 Food Post-harvesting -- 1.2.3 Food Production Process -- 1.2.3.1 Food Harvesting -- 1.2.3.2 Food Packaging -- 1.2.3.3 Food Traceability -- 1.2.3.4 Food Distribution -- 1.2.3.5 Food Storage -- 1.3 An Introduction to Machine Learning -- 1.3.1 Machine Learning Applications in Food Safety -- 1.3.2 Machine Learning Applications in Food Quality -- 1.3.3 Machine Learning Applications in Food Production -- 1.4 Conclusion -- References -- 2 Foodborne Bacterial PathogenBig Data - Genomic Analysis -- 2.1 Introduction -- 2.2 Whole Genome Sequencing -- 2.2.1 WGS in Source Attribution -- 2.2.2 WGS in Disease Surveillance -- 2.2.3 Antimicrobial Resistance, Virulence Potential, and Risk Analysis -- 2.2.4 WGS Technologies -- 2.2.4.1 First-Generation Sequencing: Sanger Shotgun Approach -- 2.2.4.2 Second-Generation Sequencing: The Massively Parallel Approach -- 2.2.4.3 Third-Generation Sequencing: The Long-Read Approach -- 2.3 Bioinformatics: Algorithms and Databases -- 2.4 Future Opportunities and Challenges for WGS -- 2.4.1 Predicting Emerging Treats -- 2.4.2 Low- and Middle-Income Countries -- 2.4.3 Culture-Independent Diagnostic Tests -- 2.4.3.1 Metagenomic Sequencing -- References -- 3 Foodborne Viral Pathogen Big Data: Genomic Analysis -- 3.1 Introduction -- 3.1.1 Norovirus -- 3.1.2 HAV -- 3.1.3 HEV -- 3.1.4 SARS-CoV-2 -- 3.1.5 WGS -- 3.2 Applications -- 3.2.1 Surveillance and Source Attribution -- 3.2.2 Analysis of Variants and Viral Evolution -- 3.2.3 Predictive Analytics -- 3.3 Conclusion and Future Perspectives -- References.