Advances in Data Science: Symbolic, Complex, and Network Data

علم داده، آمار، تجزیه و تحلیل داده ها و یادگیری ماشینی را برای دستیابی به درک بهتری از انبوه داده هایی که امروزه تولید می شود و برای بهبود پیش بینی یکسان می کند. انواع خاصی از داده ها (نمادین، شبکه، پیچیده، ترکیبی) به طور فزاینده ای در علم داده رایج است. این داده ها به روش شناسی خاصی نیاز دارند، اما کار مرجع در این زمینه کم است.

پیشرفت در علم داده این شکاف را پر می کند. این مجموعه مجموعه ای از مشارکت های به روز توسط دانشمندان برجسته را پس از دو کارگاه بین المللی که در پکن و پاریس برگزار شد، ارائه می دهد. 10 فصل در چهار بخش سازماندهی شده است: داده های نمادین، داده های پیچیده، داده های شبکه و خوشه بندی. آنها شامل کمک های اساسی و همچنین کاربردهایی در چندین حوزه از جمله تجارت و علوم اجتماعی هستند.

Data science unifies statistics, data analysis and machine learning to achieve a better understanding of the masses of data which are produced today, and to improve prediction. Special kinds of data (symbolic, network, complex, compositional) are increasingly frequent in data science. These data require specific methodologies, but there is a lack of reference work in this field.

Advances in Data Science fills this gap. It presents a collection of up-to-date contributions by eminent scholars following two international workshops held in Beijing and Paris. The 10 chapters are organized into four parts: Symbolic Data, Complex Data, Network Data and Clustering. They include fundamental contributions, as well as applications to several domains, including business and the social sciences.