ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning Paradigms: Advances in Data Analytics

دانلود کتاب پارادایم های یادگیری ماشین: پیشرفت در تجزیه و تحلیل داده ها

Machine Learning Paradigms: Advances in Data Analytics

مشخصات کتاب

Machine Learning Paradigms: Advances in Data Analytics

ویرایش:  
نویسندگان: , ,   
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 

قیمت کتاب (تومان) : 34,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


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.


توضیحاتی در مورد کتاب پارادایم های یادگیری ماشین: پیشرفت در تجزیه و تحلیل داده ها

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.


توضیحاتی درمورد کتاب به خارجی

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





نظرات کاربران