Liu / Bai / Giugni | Data Provenance and Data Management in eScience | E-Book | sack.de
E-Book

E-Book, Englisch, Band 426, 184 Seiten, eBook

Reihe: Studies in Computational Intelligence

Liu / Bai / Giugni Data Provenance and Data Management in eScience


Erscheinungsjahr 2012
ISBN: 978-3-642-29931-5
Verlag: Springer
Format: PDF
 Kopierschutz: 1 - PDF Watermark

E-Book, Englisch, Band 426, 184 Seiten, eBook

Reihe: Studies in Computational Intelligence

ISBN: 978-3-642-29931-5
Verlag: Springer
Format: PDF
 Kopierschutz: 1 - PDF Watermark

eScience allows scientific research to be carried out in highly distributed environments. The complex nature of the interactions in an eScience infrastructure, which often involves a range of instruments, data, models, application, people and computational facilities, suggests there is a need for data provenance and data management (DPDM). The W3C Provenance Working Group defines the provenance of a resource as a “record that describes entities and processes involved in producing and delivering or otherwise influencing that resource”. It has been widely recognised that provenance is a critical issue to enable sharing, trust, authentication and reproducibility of eScience process. Data Provenance and Data Management in eScience identifies the gaps between DPDM foundations and their practice within eScience domains including clinical trials, bioinformatics and radio astronomy. The book covers important aspects of fundamental research in DPDM including provenance representation and querying. It also explores topics that go beyond the fundamentals including applications. This book is a unique reference for DPDM with broad appeal to anyone interested in the practical issues of DPDM in eScience domains.
Liu / Bai / Giugni Data Provenance and Data Management in eScience jetzt bestellen!

Zielgruppe

Research

Autoren/Hrsg.

Liu, Qing
Bai, Quan
Giugni, Stephen
Williamson, Darrell
Taylor, John

Weitere Infos & Material

Provenance Model for Randomized Controlled Trials.- Evaluating Workflow Trust Using Hidden Markov Modeling and Provenance Data.- Unmanaged Workflows: Their Provenance and Use.- Sketching Distributed Data Provenance.- A Mobile Cloud with Trusted Data Provenance Services for Bioinformatics Research.- Data Provenance and Management in Radio Astronomy: A Stream Computing Approach.- Using Provenance to Support Good Laboratory Practice in Grid Environments.

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.