دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Science and Big Data: An Environment of Computational Intelligence
دانلود کتاب علم داده و کلان داده: محیطی از هوش محاسباتی
مشخصات کتاب
Data Science and Big Data: An Environment of Computational Intelligence
ویرایش: نویسندگان: Witold Pedrycz, Shyi-Ming Chen سری: ISBN (شابک) : 9783319534749, 3319534742 ناشر: Springer سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 55,000
در صورت تبدیل فایل کتاب Data Science and Big Data: An Environment of Computational Intelligence 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 علم داده و کلان داده: محیطی از هوش محاسباتی 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 علم داده و کلان داده: محیطی از هوش محاسباتی
این کتاب رساله ای جامع و به روز از طیف وسیعی از مسائل روش شناختی و الگوریتمی ارائه می دهد. همچنین در مورد پیاده‌سازی و مطالعات موردی بحث می‌کند، بهترین شیوه‌های طراحی را شناسایی می‌کند، و مدل‌ها و شیوه‌های تجاری تجزیه و تحلیل داده‌ها را در صنعت، مراقبت‌های بهداشتی، اداری و تجارت ارزیابی می‌کند. توجه صنعت و تجارت را به طور یکسان به خود جلب کرده اند. خود این حوزه مسیرهای امیدوارکننده جدیدی را برای تحقیقات بنیادی و کاربردی باز کرده است و به برنامه های کاربردی جالبی منجر شده است، به ویژه برنامه هایی که نیاز فوری به مقابله با مخازن بزرگ داده ها و ایجاد مدل های ملموس و کاربر محور از روابط در داده ها را مورد توجه قرار می دهند. داده‌ها رگ حیات اقتصاد دانش محور امروزی هستند. مدل‌های علوم داده‌های متعددی به سمت کاربران نهایی معطوف شده‌اند و همراه با الزامات منظم برای دقت (که در هر مدل‌سازی وجود دارد)، نیازمندی‌های توانایی پردازش مجموعه‌های داده‌های عظیم و متفاوت است. همچنین استحکام، تفسیرپذیری و سادگی (شفافیت). هوش محاسباتی با روش‌شناسی و ابزارهای زیربنایی خود به رفع نیازهای تجزیه و تحلیل داده‌ها کمک می‌کند. این کتاب برای آن دسته از محققان و متخصصان درگیر در علم داده، مهندسی اینترنت، هوش محاسباتی، مدیریت، تحقیق در عملیات و سیستم‌های مبتنی بر دانش مورد علاقه است.
توضیحاتی درمورد کتاب به خارجی
This book presents a comprehensive and up-to-date treatise of a range of methodological and algorithmic issues. It also discusses implementations and case studies, identifies the best design practices, and assesses data analytics business models and practices in industry, health care, administration and business.Data science and big data go hand in hand and constitute a rapidly growing area of research and have attracted the attention of industry and business alike. The area itself has opened up promising new directions of fundamental and applied research and has led to interesting applications, especially those addressing the immediate need to deal with large repositories of data and building tangible, user-centric models of relationships in data. Data is the lifeblood of today’s knowledge-driven economy.Numerous data science models are oriented towards end users and along with the regular requirements for accuracy (which are present in any modeling), come the requirements for ability to process huge and varying data sets as well as robustness, interpretability, and simplicity (transparency). Computational intelligence with its underlying methodologies and tools helps address data analytics needs.The book is of interest to those researchers and practitioners involved in data science, Internet engineering, computational intelligence, management, operations research, and knowledge-based systems.
فهرست مطالب
Front Matter....Pages i-viii
Front Matter....Pages 1-1
Large-Scale Clustering Algorithms....Pages 3-28
On High Dimensional Searching Spaces and Learning Methods....Pages 29-48
Enhanced Over_Sampling Techniques for Imbalanced Big Data Set Classification....Pages 49-81
Online Anomaly Detection in Big Data: The First Line of Defense Against Intruders....Pages 83-107
Developing Modified Classifier for Big Data Paradigm: An Approach Through Bio-Inspired Soft Computing....Pages 109-122
Unified Framework for Control of Machine Learning Tasks Towards Effective and Efficient Processing of Big Data....Pages 123-140
An Efficient Approach for Mining High Utility Itemsets Over Data Streams....Pages 141-159
Event Detection in Location-Based Social Networks....Pages 161-186
Front Matter....Pages 187-187
Using Computational Intelligence for the Safety Assessment of Oil and Gas Pipelines: A Survey....Pages 189-207
Big Data for Effective Management of Smart Grids....Pages 209-229
Distributed Machine Learning on Smart-Gateway Network Towards Real-Time Indoor Data Analytics....Pages 231-263
Predicting Spatiotemporal Impacts of Weather on Power Systems Using Big Data Science....Pages 265-299
Back Matter....Pages 301-303
