مشخصات کتاب

Big and Complex Data Analysis. Methodologies and Applications

ویرایش:  
نویسندگان: S. Ejaz Ahmed  
سری:  
 
ناشر: Springer 
سال نشر: 2017 
تعداد صفحات: 390 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

در صورت تبدیل فایل کتاب Big and Complex Data Analysis. Methodologies and Applications 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 تجزیه و تحلیل داده های بزرگ و پیچیده روش ها و کاربردها 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 تجزیه و تحلیل داده های بزرگ و پیچیده روش ها و کاربردها

این جلد برخی از شگفتی‌ها، معماها و داستان‌های موفقیت را در تجزیه و تحلیل داده‌های با ابعاد بالا و پیچیده و زمینه‌های مرتبط ارائه می‌دهد. مشارکت‌های بررسی‌شده آن، پیشرفت‌های اخیر در استراتژی‌های انتخاب متغیر، برآورد و پیش‌بینی برای مجموعه‌ای از مدل‌های مفید، و همچنین پیشرفت‌های جدید ضروری در این زمینه را نشان می‌دهد.

پیشرفت مداوم و سریع فناوری مدرن اکنون به دانشمندان اجازه می‌دهد برای جمع آوری داده هایی با اندازه و پیچیدگی بی سابقه. به عنوان مثال می توان به داده های اپی ژنومیک، داده های ژنومی، داده های پروتئومی، داده های تصویری با وضوح بالا، داده های مالی با فرکانس بالا، داده های عملکردی و طولی و داده های شبکه اشاره کرد. انتخاب و تخمین همزمان متغیرها یکی از مشکلات آماری کلیدی در تجزیه و تحلیل داده های بزرگ و پیچیده است.

هدف این کتاب تحریک پژوهش و تقویت تعامل بین محققان در حوزه تحلیل داده های با ابعاد بالا می باشد. . به طور دقیق تر، اهداف آن عبارتند از: 1) برجسته کردن و گسترش وسعت روش های موجود در داده های بزرگ و تجزیه و تحلیل داده های با ابعاد بالا و پتانسیل آنها برای پیشرفت هر دو علوم ریاضی و آمار، 2) شناسایی جهت های مهم برای تحقیقات آینده در تئوری روش‌های منظم‌سازی، در توسعه الگوریتمی، و در روش‌شناسی برای حوزه‌های کاربردی مختلف و 3) تسهیل همکاری بین محققان نظری و موضوعی خاص

توضیحاتی درمورد کتاب به خارجی

This volume conveys some of the surprises, puzzles and success stories in high-dimensional and complex data analysis and related fields. Its peer-reviewed contributions showcase recent advances in variable selection, estimation and prediction strategies for a host of useful models, as well as essential new developments in the field.

The continued and rapid advancement of modern technology now allows scientists to collect data of increasingly unprecedented size and complexity. Examples include epigenomic data, genomic data, proteomic data, high-resolution image data, high-frequency financial data, functional and longitudinal data, and network data. Simultaneous variable selection and estimation is one of the key statistical problems involved in analyzing such big and complex data.

The purpose of this book is to stimulate research and foster interaction between researchers in the area of high-dimensional data analysis. More concretely, its goals are to: 1) highlight and expand the breadth of existing methods in big data and high-dimensional data analysis and their potential for the advancement of both the mathematical and statistical sciences 2) identify important directions for future research in the theory of regularization methods, in algorithmic development, and in methodologies for different application areas and 3) facilitate collaboration between theoretical and subject-specific researchers

فهرست مطالب

Front Matter....Pages i-xiv
Front Matter....Pages 1-1
Regularization After Marginal Learning for Ultra-High Dimensional Regression Models....Pages 3-28
Empirical Likelihood Test for High Dimensional Generalized Linear Models....Pages 29-50
Random Projections for Large-Scale Regression....Pages 51-68
Testing in the Presence of Nuisance Parameters: Some Comments on Tests Post-Model-Selection and Random Critical Values....Pages 69-82
Analysis of Correlated Data with Error-Prone Response Under Generalized Linear Mixed Models....Pages 83-102
Bias-Reduced Moment Estimators of Population Spectral Distribution and Their Applications....Pages 103-119
Front Matter....Pages 121-121
Statistical Process Control Charts as a Tool for Analyzing Big Data....Pages 123-138
Fast Community Detection in Complex Networks with a K-Depths Classifier....Pages 139-157
How Different Are Estimated Genetic Networks of Cancer Subtypes?....Pages 159-192
A Computationally Efficient Approach for Modeling Complex and Big Survival Data....Pages 193-207
Tests of Concentration for Low-Dimensional and High-Dimensional Directional Data....Pages 209-227
Nonparametric Testing for Heterogeneous Correlation....Pages 229-246
Front Matter....Pages 247-247
Optimal Shrinkage Estimation in Heteroscedastic Hierarchical Linear Models....Pages 249-284
High Dimensional Data Analysis: Integrating Submodels....Pages 285-304
High-Dimensional Classification for Brain Decoding....Pages 305-324
Unsupervised Bump Hunting Using Principal Components....Pages 325-345
Identifying Gene–Environment Interactions Associated with Prognosis Using Penalized Quantile Regression....Pages 347-367
A Mixture of Variance-Gamma Factor Analyzers....Pages 369-385

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Servlets and JavaServer Pages(TM): The J2EE(TM) Technology Web Tier

دانلود کتاب Programmieren lernen! Schritt fur Schritt zum ersten Programm

دانلود کتاب BMI V. Minicom: Materials for the Advocates

دانلود کتاب Fairey Rotodyne

دانلود کتاب Cabine primaria: subestacoes de alta tensao de consumidor