مشخصات کتاب

Convergence of Cloud with AI for Big Data Analytics : Foundations and Innovation

ویرایش:  
نویسندگان: Danda B. Rawat,  Lalit K Awasthi,  Valentina Emilia Balas,  Mohit Kumar,  Jitendra Kumar Samriya  
سری:  
ISBN (شابک) : 9781119905219 
ناشر: Wiley-Scrivener 
سال نشر: 2023 
تعداد صفحات: 610 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb 

در صورت تبدیل فایل کتاب Convergence of Cloud with AI for Big Data Analytics : Foundations and Innovation 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 همگرایی ابر با هوش مصنوعی برای تجزیه و تحلیل داده های بزرگ: مبانی و نوآوری 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 همگرایی ابر با هوش مصنوعی برای تجزیه و تحلیل داده های بزرگ: مبانی و نوآوری

این کتاب برای بحث در مورد نقاط عطف در توسعه سه حوزه اخیر در مهندسی علوم کامپیوتر - محاسبات ابری، هوش مصنوعی و تجزیه و تحلیل داده های بزرگ - و برای تجزیه و تحلیل همگرایی رایانش ابری با هوش مصنوعی (AI) برای تجزیه و تحلیل داده های بزرگ نوشته شده است. با وجود این واقعیت که هر سه دامنه به طور جداگانه کار می کنند، می توان آنها را به روش های جالبی پیوند داد. با این حال، حتی اگر AI و Big Data را می توان به راحتی به هم مرتبط کرد، زیرا هوش مصنوعی برای آموزش مدل به مقدار زیادی داده نیاز دارد، آنها همچنان از مشکل ذخیره سازی داده رنج می برند. این اشکال را می توان با کمک Cloud Computing برطرف کرد که امکان ارائه خدمات درخواستی به مشتری از نظر منابع رایانه مانند ذخیره سازی و قدرت محاسباتی را بدون نیاز به مدیریت کاربر فراهم می کند. هدف این کتاب ارائه دامنه تحقیق در مورد فناوری های مورد بحث است.\r\n\r\n17 فصل کتاب به طور استادانه و جامع مفاهیم درهم تنیده هوش مصنوعی (AI)، محاسبات ابری و کلان داده را پوشش می‌دهد که همگی اخیراً به عنوان پارادایم‌های نسل بعدی ظاهر شده‌اند. رشد شدیدی در کاربردهای آنها وجود داشته است و ترکیب ترکیبی AI Cloud و IoT (فناوری هوش محیطی) نیز به ورودی دستگاه های بی سیم متکی است. علیرغم انبوهی از برنامه ها و پیشرفت ها، هنوز محدودیت ها و چالش هایی وجود دارد که باید بر آنها غلبه کرد، مانند امنیت، تأخیر، مصرف انرژی، تخصیص خدمات، خدمات مراقبت های بهداشتی، طول عمر شبکه و غیره. همگرایی ابر با هوش مصنوعی برای تجزیه و تحلیل داده های بزرگ: مبانی و نوآوری تمام این فناوری‌ها و نحوه ارتباط آنها با برنامه‌های کاربردی پیشرفته را شرح می‌دهد و یک نمای کلی جامع برای خوانندگان علاقه‌مند به فناوری‌های پیشرفته، شناسایی چالش‌ها، راه‌حل‌های پیشنهادی و همچنین نحوه ارتقای چارچوب ارائه می‌دهد.\r\n\r\nحضار:\r\nمحققان و دانشجویان تحصیلات تکمیلی در محاسبات و همچنین مهندسان و پزشکان در مهندسی نرم افزار، مهندسان برق، تحلیلگران داده و متخصصان امنیت سایبری.

توضیحاتی درمورد کتاب به خارجی

This book was written to discuss the milestones in the development of three recent domains in Computer Science engineering - Cloud Computing, Artificial Intelligence and Big Data Analytics - and to analyse the convergence of cloud computing with Artificial Intelligence (AI) for Big Data analytics. Despite the fact that all three domains work separately, they can be linked in interesting ways. However, even though AI and Big Data can be easily linked, because AI needs a huge amount of data to train the model, they still suffer from a data storage issue. This drawback can be addressed with the help of Cloud Computing, which makes it possible to provide on- demand services to the client in terms of computer resources, such as storage and computing power, without the need for user management. This book aims to provide the scope of research on the discussed technologies. The 17 chapters of the book masterfully and comprehensively cover the intertwining concepts of Artificial Intelligence (AI), cloud computing, and Big Data, all of which have recently emerged as the next-generation paradigms. There has been rigorous growth in their applications and the hybrid blend of AI Cloud and IoT (Ambient-intelligence technology) also relies on input from wireless devices. Despite the multitude of applications and advancements, there are still some limitations and challenges to overcome, such as security, latency, energy consumption, service allocation, healthcare services, network lifetime, etc. Convergence of Cloud with AI for Big Data Analytics: Foundations and Innovation details all these technologies and how they are related to state-of-the-art applications, and provides a comprehensive overview for readers interested in advanced technologies, identifying the challenges, proposed solutions, as well as how to enhance the framework. Audience: Researchers and post-graduate students in computing as well as engineers and practitioners in software engineering, electrical engineers, data analysts, and cyber security professionals.

فهرست مطالب

A chapter-wise breakdown of the contents of the book follows:
• Chapter 1 discusses the integration of Artificial Intelligence, big data and cloud computing with the internet of things (IoT).
• Chapter 2 discusses cloud computing and virtualization.
• Chapter 3 presents a time and cost-effective multi-objective scheduling technique for cloud computing environment.
• Chapter 4 discusses cloud-based architecture for effective surveillance and diagnosis.
• Chapter 5 presents smart agriculture applications using cloud and the IoT.
• Chapter 6 presents applications of Federated Learning in computing technologies.
• Chapter 7 analyzes the application of edge computing in smart healthcare.
• Chapter 8 discusses a smart agriculture application using Fog-IoT.
• Chapter 9 presents a systematic study of the global impact of COVID-19 on the IoT.
• Chapter 10 discusses efficient solar energy management using IoT-enabled Arduino-based MPPT techniques.
• Chapter 11 presents an axiomatic analysis of pre-processing methodologies using Machine Learning in text mining from the perspective of social media in the IoT.
• Chapter 12 presents an app-based agriculture information system for rural farmers.
• Chapter 13 provides a systematic survey on AI-enabled cyber-physical systems in healthcare.
• Chapter 14 discusses an artificial neural network (ANN) aware methanol detection approach with CuO-doped SnO2 in gas sensor.
• Chapter 15 describes how to detect heart arrhythmias using Deep Learning algorithms.
• Chapter 16 presents an Artificial Intelligence approach for signature detection.
• Chapter 17 compares various classification models using Machine Learning to predict the price range of mobile phones.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Maple via Calculus: A Tutorial Approach

دانلود کتاب Seeing Our Planet Whole: A Cultural and Ethical View of Earth Observation

دانلود کتاب The comprehensive e-book of named organic reactions and their mechanisms

دانلود کتاب Emerging Developments in the Power and Energy Industry-Proceedings of the 11th Asia-Pacific Power and Energy Engineering Conference (APPEEC 2019), April 19-21, 2019, Xiamen, China

دانلود کتاب Palestinian Refugees: Identity, space and place in the Levant