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: 1 نویسندگان: Vijayan Sugumaran, Arun Kumar Sangaiah, Arunkumar Thangavelu سری: ISBN (شابک) : 9781498761017, 1498761011 ناشر: Auerbach Publications;CRC Press سال نشر: 2017 تعداد صفحات: 379 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب برنامه های کاربردی هوش محاسباتی در هوش تجاری و تجزیه و تحلیل داده های بزرگ: فناوری اطلاعات -- مدیریت، هوش محاسباتی، داده های بزرگ.
در صورت تبدیل فایل کتاب Computational Intelligence Applications in Business Intelligence and Big Data Analytics 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 برنامه های کاربردی هوش محاسباتی در هوش تجاری و تجزیه و تحلیل داده های بزرگ 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.
تعدادی کتاب در مورد هوش محاسباتی (CI) وجود دارد، اما آنها تمایل دارند به جای ارائه یک کاوش عمیق در یادگیری و مکانیسمهای تطبیقی، طیف وسیعی از الگوریتمها و الگوریتمهای CI را پوشش دهند. این کتاب تمرکز خود را بر روی معماریهای مبتنی بر CI، مدلسازی، مطالعات موردی و برنامههای کاربردی در تجزیه و تحلیل دادههای بزرگ و هوش تجاری قرار میدهد. مخاطبان مورد نظر این کتاب، دانشمندان، متخصصان، محققان و دانشگاهیان هستند که با چالش ها و پیشرفت های جدید در زمینه های خاص ذکر شده در بالا سروکار دارند. طراحان و توسعه دهندگان برنامه های کاربردی در این زمینه ها می توانند از طریق این کتاب از کارشناسان و همکاران دیگر بیاموزند.
There are a number of books on computational intelligence (CI), but they tend to cover a broad range of CI paradigms and algorithms rather than provide an in-depth exploration in learning and adaptive mechanisms. This book sets its focus on CI based architectures, modeling, case studies and applications in big data analytics, and business intelligence. The intended audiences of this book are scientists, professionals, researchers, and academicians who deal with the new challenges and advances in the specific areas mentioned above. Designers and developers of applications in these areas can learn from other experts and colleagues through this book.
Content: Editors Contributors Part I INTRODUCTION 1 Computational Intelligence Paradigms in Business Intelligence and Analytics Part II COMPUTAT IONAL INTELLIGENCE IN BUSINESS INTELLIGENCE AND ANALYTICS 2 Conditional Value at Risk-Based Portfolio Optimization Using Metaheuristic Approaches 3 Big Data Analysis and Application for Video Surveillance Systems 4 Trends in Mining Biological Big Data 5 Computational Challenges in Group Membership Prediction of Highly Imbalanced Big Data Sets Part III DATA ANALYTICS AND PREDICTION MODELS 6 A New Paradigm in Fraud Detection Modeling Using Predictive Models, Fuzzy Expert Systems, Social Network Analysis, and Unstructured Data 7 Speedy Data Analytics through Automatic Balancing of Big Data in MongoDB Sharded Clusters 8 Smart Metering as a Service Using Hadoop (SMAASH 9 Service-Oriented Architecture for Big Data and Business Intelligence Analytics in the Cloud Part IV A PPLICAT IONS OF COMPUTAT IONAL INTELLIGENCE 10 Rough Set and Neighborhood Systems in Big Data Analysis 11 An Investigation of Fuzzy Techniques in Clustering of Big Data 12 A Survey on Learning Models with Respect to Human Behavior Analysis for Large-Scale Surveillance Videos 13 Mining Unstructured Big Data for Competitive Intelligence and Business Intelligence Index