مشخصات کتاب
Advances in Big Data Analytics: Theory, Algorithms and Practices
ویرایش:
نویسندگان: Yong Shi
سری:
ISBN (شابک) : 9811636060, 9789811636066
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 742
[723]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 Mb
قیمت کتاب (تومان) : 88,000
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 4
در صورت تبدیل فایل کتاب Advances in Big Data Analytics: Theory, Algorithms and Practices 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 پیشرفت در تجزیه و تحلیل داده های بزرگ: تئوری، الگوریتم ها و تمرین ها 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.
توضیحاتی در مورد کتاب پیشرفت در تجزیه و تحلیل داده های بزرگ: تئوری، الگوریتم ها و تمرین ها
امروزه داده های بزرگ بر جنبه های بی شماری از زندگی
روزمره ما تأثیر می گذارد. این کتاب بر اساس یافتههای پژوهشی و
برنامههای کاربردی توسعهیافته توسط نویسنده و همکارانش در
حوزههای مرتبط، مطالعهای جامع و پیشرفته در مورد تجزیه و
تحلیل دادههای بزرگ ارائه میکند. به مفاهیم تجزیه و تحلیل
داده های بزرگ و/یا علم داده، بهینه سازی چند معیاره برای
یادگیری، تجزیه و تحلیل داده های متخصص و مبتنی بر قانون، ماشین
های بردار پشتیبانی برای طبقه بندی، انتخاب ویژگی، تجزیه و
تحلیل جریان داده، تجزیه و تحلیل یادگیری، تجزیه و تحلیل
احساسات، تجزیه و تحلیل پیوند می پردازد. ، و تجزیه و تحلیل
ارزیابی. این کتاب همچنین به بررسی درس های آموخته شده در
استفاده از داده های بزرگ در تجارت، مهندسی و مراقبت های
بهداشتی می پردازد. در نهایت، به موضوع پیشرفته تست های بهره
هوشی (IQ) برای هوش مصنوعی می پردازد.
توضیحاتی درمورد کتاب به خارجی
Today, big data affects countless aspects of our daily
lives. This book provides a comprehensive and cutting-edge
study on big data analytics, based on the research findings
and applications developed by the author and his colleagues
in related areas. It addresses the concepts of big data
analytics and/or data science, multi-criteria optimization
for learning, expert and rule-based data analysis, support
vector machines for classification, feature selection, data
stream analysis, learning analysis, sentiment analysis, link
analysis, and evaluation analysis. The book also explores
lessons learned in applying big data to business, engineering
and healthcare. Lastly, it addresses the advanced topic of
intelligence-quotient (IQ) tests for artificial
intelligence.
نظرات کاربران