مشخصات کتاب

Game Theory for Data Science. Eliciting Truthful Information

ویرایش:  
نویسندگان: Boi Faltings. Goran Radanovic  
سری: Synthesis Lectures on Artificial Intelligence and Machine Learning 
ISBN (شابک) : 9781627056083 
ناشر: Morgan & Claypool 
سال نشر: 2017 
تعداد صفحات: 135 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت تبدیل فایل کتاب Game Theory for Data Science. Eliciting Truthful Information 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 نظریه بازی برای علم داده. استخراج اطلاعات واقعی 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 نظریه بازی برای علم داده. استخراج اطلاعات واقعی

سیستم‌های هوشمند اغلب به داده‌های ارائه‌شده توسط عوامل اطلاعاتی، به عنوان مثال، داده‌های حسگر یا محاسبات انسانی جمع‌سپاری شده، وابسته هستند. ارائه داده های دقیق و مرتبط نیازمند تلاش های پرهزینه ای است که ممکن است عوامل همیشه مایل به ارائه آن نباشند. بنابراین، نه تنها تأیید صحت داده‌ها، بلکه ایجاد مشوق‌هایی نیز مهم می‌شود تا عواملی که داده‌های با کیفیت بالا ارائه می‌کنند، پاداش دریافت کنند، در حالی که آنهایی که ارائه نمی‌دهند با پاداش‌های کم دلسرد شوند. ما تنظیمات مختلف و مفروضاتی را که آنها قبول می‌کنند، از جمله سنجش، محاسبات انسانی، درجه‌بندی همتا، بررسی‌ها و پیش‌بینی‌ها، پوشش می‌دهیم. ما مکانیسم‌های تشویقی مختلف را بررسی می‌کنیم، از جمله قوانین امتیازدهی مناسب، بازارهای پیش‌بینی و پیش‌بینی همتایان، سرم حقیقت بیزی، سرم حقیقت همتا، توافق همبسته، و تنظیماتی که هر یک از آنها مناسب هستند. به عنوان جایگزین، مکانیسم های شهرت را نیز در نظر می گیریم. ما تجزیه و تحلیل نظری بازی را با مثال‌های عملی از برنامه‌های کاربردی در پلتفرم‌های پیش‌بینی، سنجش جامعه و درجه‌بندی همتا تکمیل می‌کنیم.

توضیحاتی درمورد کتاب به خارجی

Intelligent systems often depend on data provided by information agents, for example, sensor data or crowdsourced human computation. Providing accurate and relevant data requires costly effort that agents may not always be willing to provide. Thus, it becomes important not only to verify the correctness of data, but also to provide incentives so that agents that provide high-quality data are rewarded while those that do not are discouraged by low rewards. We cover different settings and the assumptions they admit, including sensing, human computation, peer grading, reviews, and predictions. We survey different incentive mechanisms, including proper scoring rules, prediction markets and peer prediction, Bayesian Truth Serum, Peer Truth Serum, Correlated Agreement, and the settings where each of them would be suitable. As an alternative, we also consider reputation mechanisms. We complement the game-theoretic analysis with practical examples of applications in prediction platforms, community sensing, and peer grading.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Drupal : Concevoir et deployer ses sites web

دانلود کتاب Crisis of the American dream; a history of American social thought, 1920-1940

دانلود کتاب Istanti fatali. Quando i numeri hanno spiegato il mondo

دانلود کتاب Argentina

دانلود کتاب Multidisciplinary Management of Gastroesophageal Reflux Disease