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: نویسندگان: Jain. Lakhmi C., Sotiropoulos. Dionisios N., Tsihrintzis. George A et al. (eds.) سری: Intelligent systems reference library 149 ISBN (شابک) : 9783319940304, 9783319940298 ناشر: Springer International Publishing : Imprint: Springer سال نشر: 2019 تعداد صفحات: 370 [372] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Machine Learning Paradigms: Advances in Data Analytics 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 پارادایم های یادگیری ماشین: پیشرفت در تجزیه و تحلیل داده ها 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 برخی از حوزه های نوظهور علمی و فناوری را بررسی می کند
که در آن نیاز به تجزیه و تحلیل داده ها ایجاد می شود و احتمالاً
نقش مهمی در سال های آینده ایفا خواهد کرد. در طلوع چهارمین
انقلاب صنعتی، تجزیه و تحلیل داده ها به عنوان نیرویی ظهور می کند
که به سمت تغییرات چشمگیر در زندگی روزمره، محل کار و روابط
انسانی سوق می دهد. هم افزایی بین علوم و فناوری های انرژی
فیزیکی، دیجیتالی، بیولوژیکی و، که توسط جمع آوری و تجزیه و
تحلیل داده های غیر سنتی گرد هم آمده است، اقتصاد دیجیتال را در
همه سطوح به پیش می برد و جدید ارائه می دهد. ، فرصت هایی که
قبلاً در دسترس نبودند. نیاز به تجزیه و تحلیل داده ها در بیشتر
رشته های علمی مدرن از جمله مهندسی بوجود می آید. علوم طبیعی،
کامپیوتر و اطلاعات؛ اقتصاد؛ کسب و کار؛ تجارت؛ محیط؛ مراقبت های
بهداشتی؛ و علوم زیستی این کتاب که به عنوان جلد سوم تحت عنوان
کلی پارادایم های یادگیری ماشینی ارائه می شود، شامل یک یادداشت
سرمقاله (فصل 1) و 12 فصل اضافی است و به پنج بخش تقسیم می شود:
(1) تجزیه و تحلیل داده ها در علوم پزشکی، بیولوژیکی و سیگنال،
(2) تجزیه و تحلیل داده ها در مطالعات اجتماعی و تعاملات اجتماعی،
(3) تجزیه و تحلیل داده ها در ترافیک، کامپیوتر و شبکه های قدرت،
(4) تجزیه و تحلیل داده ها برای پزشکی قانونی دیجیتال، و (5)
پیشرفت های نظری و ابزار برای تجزیه و تحلیل داده ها. این کتاب
پژوهشی هم برای متخصصان/محققان در زمینه تجزیه و تحلیل داده ها و
هم برای خوانندگانی که در زمینه های هوش مصنوعی و محاسباتی و
همچنین به طور کلی علوم کامپیوتر کار می کنند و مایل به کسب
اطلاعات بیشتر در مورد زمینه تجزیه و تحلیل داده ها و کاربردهای
آن هستند در نظر گرفته شده است. فهرست گسترده ای از منابع
کتابشناختی در پایان هر فصل خوانندگان را راهنمایی می کند تا در
زمینه های کاربردی مورد علاقه خود بیشتر تحقیق کنند.
بیشتر
بخوانید...
چکیده: این کتاب به بررسی برخی از حوزه های نوظهور علمی و فناوری
می پردازد که در آنها نیاز به تجزیه و تحلیل داده ها ایجاد می شود
و احتمالاً نقش مهمی در سال های آینده ایفا خواهد کرد. در طلوع
چهارمین انقلاب صنعتی، تجزیه و تحلیل داده ها به عنوان نیرویی
ظهور می کند که به سمت تغییرات چشمگیر در زندگی روزمره، محل کار و
روابط انسانی سوق می دهد. هم افزایی بین علوم و فناوریهای
فیزیکی، دیجیتال، بیولوژیکی و انرژی، که با جمعآوری و تجزیه و
تحلیل دادههای غیرسنتی گرد هم آمدهاند، اقتصاد دیجیتال را در
همه سطوح پیش میبرد و فرصتهای جدیدی را ارائه میدهد که قبلاً
در دسترس نبودهاند. نیاز به تجزیه و تحلیل داده ها در بیشتر رشته
های علمی مدرن از جمله مهندسی بوجود می آید. علوم طبیعی، کامپیوتر
و اطلاعات؛ اقتصاد؛ کسب و کار؛ تجارت؛ محیط؛ مراقبت های بهداشتی؛
و علوم زیستی این کتاب که به عنوان جلد سوم تحت عنوان کلی
پارادایم های یادگیری ماشینی ارائه می شود، شامل یک یادداشت
سرمقاله (فصل 1) و 12 فصل اضافی است و به پنج بخش تقسیم می شود:
(1) تجزیه و تحلیل داده ها در علوم پزشکی، بیولوژیکی و سیگنال،
(2) تجزیه و تحلیل داده ها در مطالعات اجتماعی و تعاملات اجتماعی،
(3) تجزیه و تحلیل داده ها در ترافیک، کامپیوتر و شبکه های قدرت،
(4) تجزیه و تحلیل داده ها برای پزشکی قانونی دیجیتال، و (5)
پیشرفت های نظری و ابزار برای تجزیه و تحلیل داده ها. این کتاب
پژوهشی هم برای متخصصان/محققان در زمینه تجزیه و تحلیل داده ها و
هم برای خوانندگانی که در زمینه های هوش مصنوعی و محاسباتی و
همچنین به طور کلی علوم کامپیوتر کار می کنند و مایل به کسب
اطلاعات بیشتر در مورد زمینه تجزیه و تحلیل داده ها و کاربردهای
آن هستند در نظر گرفته شده است. فهرست گسترده ای از منابع
کتابشناختی در پایان هر فصل خوانندگان را راهنمایی می کند تا در
زمینه های کاربردی مورد علاقه خود بیشتر تحقیق کنند.
This book explores some of the emerging scientific and
technological areas in which the need for data analytics arises
and is likely to play a significant role in the years to come.
At the dawn of the 4th Industrial Revolution, data analytics is
emerging as a force that drives towards dramatic changes in our
daily lives, the workplace and human relationships. Synergies
between physical, digital, biological and energy sciences and
technologies, brought together by non-traditional data
collection and analysis, drive the digital economy at all
levels and offer new, previously-unavailable opportunities. The
need for data analytics arises in most modern scientific
disciplines, including engineering; natural-, computer- and
information sciences; economics; business; commerce;
environment; healthcare; and life sciences. Coming as the third
volume under the general title MACHINE LEARNING PARADIGMS, the
book includes an editorial note (Chapter 1) and an additional
12 chapters, and is divided into five parts: (1) Data Analytics
in the Medical, Biological and Signal Sciences, (2) Data
Analytics in Social Studies and Social Interactions, (3) Data
Analytics in Traffic, Computer and Power Networks, (4) Data
Analytics for Digital Forensics, and (5) Theoretical Advances
and Tools for Data Analytics. This research book is intended
for both experts/researchers in the field of data analytics,
and readers working in the fields of artificial and
computational intelligence as well as computer science in
general who wish to learn more about the field of data
analytics and its applications. An extensive list of
bibliographic references at the end of each chapter guides
readers to probe further into the application areas of interest
to them. Read
more...
Abstract: This book explores some of the emerging scientific
and technological areas in which the need for data analytics
arises and is likely to play a significant role in the years to
come. At the dawn of the 4th Industrial Revolution, data
analytics is emerging as a force that drives towards dramatic
changes in our daily lives, the workplace and human
relationships. Synergies between physical, digital, biological
and energy sciences and technologies, brought together by
non-traditional data collection and analysis, drive the digital
economy at all levels and offer new, previously-unavailable
opportunities. The need for data analytics arises in most
modern scientific disciplines, including engineering; natural-,
computer- and information sciences; economics; business;
commerce; environment; healthcare; and life sciences. Coming as
the third volume under the general title MACHINE LEARNING
PARADIGMS, the book includes an editorial note (Chapter 1) and
an additional 12 chapters, and is divided into five parts: (1)
Data Analytics in the Medical, Biological and Signal Sciences,
(2) Data Analytics in Social Studies and Social Interactions,
(3) Data Analytics in Traffic, Computer and Power Networks, (4)
Data Analytics for Digital Forensics, and (5) Theoretical
Advances and Tools for Data Analytics. This research book is
intended for both experts/researchers in the field of data
analytics, and readers working in the fields of artificial and
computational intelligence as well as computer science in
general who wish to learn more about the field of data
analytics and its applications. An extensive list of
bibliographic references at the end of each chapter guides
readers to probe further into the application areas of interest
to them