دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Big Data Management and Analytics: 9th European Summer School, eBISS 2019, Berlin, Germany, June 30 – July 5, 2019, Revised Selected Papers
دانلود کتاب مدیریت و تجزیه و تحلیل داده های بزرگ: نهمین مدرسه تابستانی اروپایی، eBISS 2019، برلین، آلمان، 30 ژوئن - 5 ژوئیه 2019، مقالات منتخب اصلاح شده
مشخصات کتاب
Big Data Management and Analytics: 9th European Summer School, eBISS 2019, Berlin, Germany, June 30 – July 5, 2019, Revised Selected Papers
ویرایش: نویسندگان: Ralf-Detlef Kutsche, Esteban Zimányi سری: ISBN (شابک) : 3030616266, 9783030616267 ناشر: Springer سال نشر: 2020 تعداد صفحات: 121 [130] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
قیمت کتاب (تومان) : 33,000
در صورت تبدیل فایل کتاب Big Data Management and Analytics: 9th European Summer School, eBISS 2019, Berlin, Germany, June 30 – July 5, 2019, Revised Selected Papers 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 مدیریت و تجزیه و تحلیل داده های بزرگ: نهمین مدرسه تابستانی اروپایی، eBISS 2019، برلین، آلمان، 30 ژوئن - 5 ژوئیه 2019، مقالات منتخب اصلاح شده 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 مدیریت و تجزیه و تحلیل داده های بزرگ: نهمین مدرسه تابستانی اروپایی، eBISS 2019، برلین، آلمان، 30 ژوئن - 5 ژوئیه 2019، مقالات منتخب اصلاح شده
این کتاب شامل 5 سخنرانی آموزشی اصلاح شده نهمین مدرسه تابستانی هوش تجاری و داده های بزرگ اروپا، eBISS 2019 است که در برلین، آلمان، طی 30 ژوئن تا 5 ژوئیه 2019 برگزار شد. این آموزش ها توسط کارشناسان مشهور ارائه شده و جنبه های پیشرفته کسب و کار را پوشش می دهد. هوش و داده های بزرگ این مدرسه تابستانی که توسط محققان برجسته در این زمینه ارائه شد، فرصتی برای دانشجویان کارشناسی ارشد بود تا خود را به مهارت های نظری و عملی لازم برای توسعه برنامه های کاربردی هوش تجاری چالش برانگیز مجهز کنند.
توضیحاتی درمورد کتاب به خارجی
This book constitutes 5 revised tutorial lectures of the 9th European Business Intelligence and Big Data Summer School, eBISS 2019, held in Berlin, Germany, during June 30 – July 5, 2019. The tutorials were given by renowned experts and covered advanced aspects of business intelligence and big data. This summer school, presented by leading researchers in the field, represented an opportunity for postgraduate students to equip themselves with the theoretical and practical skills necessary for developing challenging business intelligence applications.
فهرست مطالب
Preface Organization Contents Actionable Conformance Checking: From Intuitions to Code 1 Introduction 2 Related Work 3 Process Models and Event Logs 4 Conformance Checking 4.1 Quality Dimensions to Relate Process Models and Event Logs 4.2 Computing Conformance Checking Artefacts 5 Code Snippets for Conformance Checking 5.1 Event Log Exploration 5.2 The Computation of Conformance Checking Artefacts 6 Concluding Remarks References Introduction to Text Analytics 1 Introduction 2 Definition of Text Analytics 3 Sources of Textual Data 4 Processing of Texts: The Pipeline 4.1 Step 1. Data Parsing 4.2 Step 2. Text Segmentation 4.3 Step 3. Identification of Named Entities 4.4 Step 4. Disambiguation 4.5 Step 5. Describing the Text 4.6 Step 6: Analytics: Topic Tagging 5 Application Scenarios 5.1 Sentiment Analysis 5.2 Search and Retrieval 6 Case Study 7 Summary References Automated Machine Learning: Techniques and Frameworks 1 Introduction 2 Automated Machine Learning 2.1 Hyper-parameter Optimization 2.2 AutoML Tools and Frameworks 3 Automated Deep Learning 3.1 Neural Architecture Search for Deep Learning 3.2 AutoDL Frameworks 4 Open Challenges and Future Directions 5 Conclusion References Travel-Time Computation Based on GPS Data 1 Introduction 2 Data Foundation 2.1 Data Model 2.2 Data 3 Logical Model 3.1 Dimensions 3.2 Fact Table 4 Data Cleaning Method 4.1 Map-Matching 4.2 Weather Class 4.3 Speedmaps 5 Results 5.1 Weather Classes to Include 5.2 Wind Analysis 6 Related Work 7 Conclusion References Laplacian Matrix for Dimensionality Reduction and Clustering 1 Intuition 1.1 Heat Diffusion Analogy of Laplacian Eigenmaps 1.2 Heat Diffusion Analogy of Spectral Clustering 1.3 Heat Diffusion Equation for Connected Heat Reservoirs 1.4 Laplacian Matrix 1.5 Solution of the Heat Diffusion Equation 2 Formalism 2.1 Simple Graphs 2.2 Matrix Representation 2.3 Optimization Problem 2.4 Associated Eigenvalue Problem 2.5 The Role of the Weighted Normalization Constraint 2.6 Symmetric Normalized Laplacian Matrix 2.7 Random Walk Normalized Laplacian Matrix 2.8 Summary of Mathematical Properties 3 Algorithms 3.1 Similarity Graphs 3.2 Laplacian Eigenmaps (LEM) 3.3 Locality Preserving Projections (LPP) 3.4 Spectral Clustering References Author Index
