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: Fausto Pedro Garcia Marquez (editor)
سری: Advances in Data Mining and Database Management
ISBN (شابک) : 1799801063, 9781799801061
ناشر: Engineering Science Reference
سال نشر: 2020
تعداد صفحات: 478
[500]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 Mb
در صورت تبدیل فایل کتاب Advanced Multi-industry Applications of Big Data Clustering and Machine Learning 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 کاربردهای چند صنعت پیشرفته خوشهبندی کلان داده و یادگیری ماشینی 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.
با ادامه توسعه سازمانها، نیاز روزافزونی به روشهای فنآوری وجود دارد که بتواند با افزایش حجم دادهها و اطلاعاتی که تولید میشود، همگام باشد. یادگیری ماشین ابزاری است که به دلیل توانایی آن در تجزیه و تحلیل سریع حجم زیادی از داده ها قدرتمند شده است. یادگیری ماشینی یکی از بسیاری از پیشرفتهای فناوری است که در بسیاری از زمینههای تخصصی در حال پیادهسازی است. مطالعه گسترده ای در مورد اجرای این پیشرفت ها در صنایع حرفه ای ضروری است. کاربردهای چند صنعت پیشرفته خوشهبندی کلان داده و یادگیری ماشین یک منبع مرجع ضروری است که اصول تحلیلی خوشهبندی و یادگیری ماشین را با دادههای بزرگ ترکیب میکند و رابطی بین رشتههای اصلی مهندسی/فناوری و سازمانی، اداری و برنامهریزی فراهم میکند. توانایی های مدیریت این کتاب با پژوهش در موضوعاتی مانند مدیریت پروژه، مدلسازی دادههای زمینهای و سیستمهای اطلاعات کسبوکار، ایدهآل برای مهندسین، اقتصاددانان، افسران مالی، بازاریابان، تصمیمگیران، متخصصان کسبوکار، متخصصان صنعت، دانشگاهیان، دانشجویان و محققانی است که به دنبال پوشش هستند. در مورد پیاده سازی داده های بزرگ و یادگیری ماشین در زمینه های خاص حرفه ای.
As organizations continue to develop, there is an increasing need for technological methods that can keep up with the rising amount of data and information that is being generated. Machine learning is a tool that has become powerful due to its ability to analyze large amounts of data quickly. Machine learning is one of many technological advancements that is being implemented into a multitude of specialized fields. An extensive study on the execution of these advancements within professional industries is necessary. Advanced Multi-Industry Applications of Big Data Clustering and Machine Learning is an essential reference source that synthesizes the analytic principles of clustering and machine learning to big data and provides an interface between the main disciplines of engineering/technology and the organizational, administrative, and planning abilities of management. Featuring research on topics such as project management, contextual data modeling, and business information systems, this book is ideally designed for engineers, economists, finance officers, marketers, decision makers, business professionals, industry practitioners, academicians, students, and researchers seeking coverage on the implementation of big data and machine learning within specific professional fields.
Title Page Copyright Page Book Series List of Contributors Table of Contents Detailed Table of Contents Preface Chapter 1: Big Data and Clustering Techniques Chapter 2: Big Data Analytics and Models Chapter 3: Technologies for Handling Big Data Chapter 4: Clustering and Bayesian Networks Chapter 5: Analysis of Gravitation-Based Optimization Algorithms for Clustering and Classification Chapter 6: Analytics and Technology for Practical Forecasting Chapter 7: Modern Statistical Modeling in Machine Learning and Big Data Analytics Chapter 8: Enhanced Logistic Regression (ELR) Model for Big Data Chapter 9: On Foundations of Estimation for Nonparametric Regression With Continuous Optimization Chapter 10: An Overview of Methodologies and Challenges in Sentiment Analysis on Social Networks Chapter 11: Evaluation of Optimum and Coherent Economic-Capital Portfolios Under Complex Market Prospects Chapter 12: Data-Driven Stochastic Optimization for Transportation Road Network Design Under Uncertainty Chapter 13: Examining Visitors' Characteristics and Behaviors in Tourist Destinations Through Mobile Phone Users' Location Data Chapter 14: Machine Learning for Smart Tourism and Retail Chapter 15: Predictive Analysis of Robotic Manipulators Through Inertial Sensors and Pattern Recognition Chapter 16: Call Masking Chapter 17: An Optimized Three-Dimensional Clustering for Microarray Data Chapter 18: Identifying Patterns in Fresh Produce Purchases Chapter 19: Urban Spatial Data Computing Compilation of References About the Contributors Index