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: [1st ed. 2022] نویسندگان: Parikshit Narendra Mahalle, Gitanjali Rahul Shinde, Priya Dudhale Pise, Jyoti Yogesh Deshmukh سری: ISBN (شابک) : 9811651590, 9789811651595 ناشر: Springer سال نشر: 2021 تعداد صفحات: 131 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 Mb
در صورت تبدیل فایل کتاب Foundations of Data Science for Engineering Problem Solving (Studies in Big Data, 94) 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 مبانی علم داده برای حل مسائل مهندسی (مطالعات در داده های بزرگ، 94) 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.
این کتاب یک فروشگاه است که اطلاعات ضروری را ارائه می دهد که باید بدانیم و می توان آن را در توسعه کسب و کار بلادرنگ برای حل مشکلات مهندسی در رشته های مختلف پیاده سازی کرد. همچنین به ما کمک می کند تا با استفاده از الگوریتم های هوش مصنوعی برای مسائل مهندسی پیش بینی ها و تصمیم گیری های آینده را انجام دهیم. تکنیکهای یادگیری ماشین و بهینهسازی بینش قوی برای کاربران مبتدی فراهم میکنند. در عصر داده های بزرگ، نیاز به پرداختن به مسائل علم داده در دیدگاه چند رشته ای وجود دارد. در دنیای واقعی، داده ها از موارد استفاده مختلف به دست می آیند و نیاز به مدل های علم داده خاص منبع وجود دارد. اطلاعات از پلتفرمها، کانالها و بخشهای مختلف از جمله رسانههای مبتنی بر وب، مکانهای کسبوکار آنلاین، مطالعات خدمات پزشکی و اینترنت استخراج میشوند. برای درک روندهای بازار، علم داده میتواند ما را در سناریوهای مختلفی هدایت کند. برای طراحی و بهینه سازی الگوریتم ها از هوش مصنوعی و تکنیک های یادگیری ماشین کمک می شود. تکنیکهای مدلسازی کلان داده و تجسم دادههای جمعآوریشده نقشی حیاتی در حوزه علم داده ایفا میکند. این کتاب محققان حوزههای هوش مصنوعی، یادگیری ماشین، علم داده و تجزیه و تحلیل دادههای بزرگ را هدف قرار میدهد تا به دنبال تکنیکهای جدید در تجزیه و تحلیل تجاری و کاربردهای هوش مصنوعی در مشاغل اخیر باشند.
This book is one-stop shop which offers essential information one must know and can implement in real-time business expansions to solve engineering problems in various disciplines. It will also help us to make future predictions and decisions using AI algorithms for engineering problems. Machine learning and optimizing techniques provide strong insights into novice users. In the era of big data, there is a need to deal with data science problems in multidisciplinary perspective. In the real world, data comes from various use cases, and there is a need of source specific data science models. Information is drawn from various platforms, channels, and sectors including web-based media, online business locales, medical services studies, and Internet. To understand the trends in the market, data science can take us through various scenarios. It takes help of artificial intelligence and machine learning techniques to design and optimize the algorithms. Big data modelling and visualization techniques of collected data play a vital role in the field of data science. This book targets the researchers from areas of artificial intelligence, machine learning, data science and big data analytics to look for new techniques in business analytics and applications of artificial intelligence in recent businesses.