دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Scott Spangler
سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series
ISBN (شابک) : 1482239132, 9781482239133
ناشر: Chapman and Hall/CRC
سال نشر: 2015
تعداد صفحات: 304
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 مگابایت
کلمات کلیدی مربوط به کتاب کشف تسریع: استخراج اطلاعات بدون ساختار برای ایجاد فرضیه: آمار آموزش مرجع کسب و کار نظریه ماشین پول یادگیری هوش مصنوعی علوم کامپیوتر کامپیوتر فناوری داده کاوی پایگاه داده سالنامه های بزرگ سالنامه ها اطلس نقشه ها کاتالوگ ها فهرست راهنماهای مصرف کننده فرهنگ لغت نامه ها دایره المعارف ها موضوع انگلیسی به عنوان زبان دوم آداب و رسوم مطالعه خارجی تبارشناسی پیشینه تحقیق واژگان ریاضیات کاربردی ریاضی مالی حسابداری بانکداری ارتباطات توسعه
در صورت تبدیل فایل کتاب Accelerating Discovery: Mining Unstructured Information for Hypothesis Generation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کشف تسریع: استخراج اطلاعات بدون ساختار برای ایجاد فرضیه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
رویکردهای معدنی بدون ساختار برای حل مسائل پیچیده علمی
با افزایش تصاعدی حجم داده ها و ادبیات علمی، دانشمندان به ابزارها و روشهای قویتری برای پردازش و ترکیب اطلاعات و فرمولبندی فرضیههای جدید که به احتمال زیاد هم درست و هم مهم هستند، نیاز دارند. تسریع کشف: استخراج اطلاعات بدون ساختار برای تولید فرضیه رویکرد جدیدی را برای تحقیقات علمی توصیف میکند که از تجزیه و تحلیل دادههای بدون ساختار به عنوان ابزاری مولد برای فرضیههای جدید استفاده میکند.
نویسنده یک فرآیند سیستماتیک برای استفاده از منابع دادههای ساختاریافته و بدون ساختار ناهمگن، دادهکاوی، و معماریهای محاسباتی ایجاد میکند تا فرآیند کشف را سریعتر و مؤثرتر کند. این فرآیند با اجازه دادن به دانشمندان و مخترعان برای تجزیه و تحلیل و درک آسانتر فضای احتمالات، مقایسه جایگزین ها و کشف رویکردهای کاملاً جدید، خلاقیت انسان را تسریع می بخشد.
شامل دیدگاه های سیستماتیک و کاربردی، این کتاب انگیزه ها و استراتژی های لازم و همچنین مجموعه ای ناهمگون از مثال های جامع و گویا را ارائه می دهد. اهمیت تجزیه و تحلیل داده های ناهمگن را در کمک به اکتشافات علمی نشان می دهد و علم داده را به عنوان یک رشته پیش می برد.
Unstructured Mining Approaches to Solve Complex Scientific Problems
As the volume of scientific data and literature increases exponentially, scientists need more powerful tools and methods to process and synthesize information and to formulate new hypotheses that are most likely to be both true and important. Accelerating Discovery: Mining Unstructured Information for Hypothesis Generation describes a novel approach to scientific research that uses unstructured data analysis as a generative tool for new hypotheses.
The author develops a systematic process for leveraging heterogeneous structured and unstructured data sources, data mining, and computational architectures to make the discovery process faster and more effective. This process accelerates human creativity by allowing scientists and inventors to more readily analyze and comprehend the space of possibilities, compare alternatives, and discover entirely new approaches.
Encompassing systematic and practical perspectives, the book provides the necessary motivation and strategies as well as a heterogeneous set of comprehensive, illustrative examples. It reveals the importance of heterogeneous data analytics in aiding scientific discoveries and furthers data science as a discipline.