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: Joao Gama
سری: Data Mining and Knowledge Discovery
ISBN (شابک) : 1439826110, 9781439826119
ناشر: Chapman and Hall/CRC
سال نشر: 2010
تعداد صفحات: 246
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Knowledge Discovery from Data Streams 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 کشف دانش از جریان داده 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.
از آغاز عصر اینترنت و افزایش استفاده از دستگاه های محاسباتی فراگیر، حجم زیاد و جریان مداوم داده های توزیع شده، محدودیت های جدیدی را بر طراحی الگوریتم های یادگیری تحمیل کرده است. کشف دانش از جریان داده ها با بررسی چگونگی استخراج ساختارهای دانش از داده های در حال تغییر و تغییر زمان، یک نمای کلی منسجم از تحقیقات پیشرفته در یادگیری از جریان های داده را ارائه می دهد. این کتاب اصولی را پوشش میدهد که برای درک جریانهای داده ضروری هستند و کاربردهای مهمی مانند ترافیک TCP/IP، دادههای GPS، شبکههای حسگر و جریانهای کلیک مشتری را توصیف میکند. همچنین به چندین چالش داده کاوی در آینده می پردازد، زمانی که جریان کاوی هسته اصلی بسیاری از برنامه ها خواهد بود. این چالشها شامل طراحی راهحلهای مفید و کارآمد دادهکاوی قابل اجرا برای مشکلات دنیای واقعی است. در پیوست، نویسنده نمونه هایی از نرم افزارهای در دسترس عموم و مجموعه داده های آنلاین را شامل می شود. این کتاب کاربردی و به روز بر نیازهای جدید نسل بعدی داده کاوی تمرکز دارد. اگرچه مفاهیم ارائه شده در متن عمدتاً در مورد جریان داده ها هستند، اما برای حوزه های مختلف یادگیری ماشین و داده کاوی نیز معتبر هستند.
Since the beginning of the Internet age and the increased use of ubiquitous computing devices, the large volume and continuous flow of distributed data have imposed new constraints on the design of learning algorithms. Exploring how to extract knowledge structures from evolving and time-changing data, Knowledge Discovery from Data Streams presents a coherent overview of state-of-the-art research in learning from data streams. The book covers the fundamentals that are imperative to understanding data streams and describes important applications, such as TCP/IP traffic, GPS data, sensor networks, and customer click streams. It also addresses several challenges of data mining in the future, when stream mining will be at the core of many applications. These challenges involve designing useful and efficient data mining solutions applicable to real-world problems. In the appendix, the author includes examples of publicly available software and online data sets. This practical, up-to-date book focuses on the new requirements of the next generation of data mining. Although the concepts presented in the text are mainly about data streams, they also are valid for different areas of machine learning and data mining.