Mining Over Air: Wireless Communication Networks Analytics

این کتاب با تمرکز بر روش‌های یادگیری ماشینی و داده‌کاوی پیشرفته در حوزه شبکه‌های بی‌سیم، مفاهیم، ​​کاربردها و توسعه علم داده در صنعت مخابرات را معرفی می‌کند. Mining Over Airمشکلات و راه‌حل‌های آن‌ها را برای عملکرد و کیفیت شبکه بی‌سیم، تجزیه و تحلیل بازده و آمادگی کیفیت دستگاه، نمایه‌سازی استفاده از منابع بی‌سیم، تشخیص ناهنجاری ترافیک شبکه، شبکه‌های خودسازماندهی مبتنی بر هوش، بازاریابی مخابراتی شرح می‌دهد. ، نفوذ اجتماعی و سایر کاربردهای مهم در صنعت مخابرات.
توسط نویسندگانی که تجزیه و تحلیل داده های بزرگ در شبکه های بی سیم و بازارهای مخابراتی را از منظر صنعتی و دانشگاهی مطالعه می کنند، این کتاب نقاط دردناک در شبکه های مخابراتی و بازارها را از طریق داده های بزرگ هدف قرار می دهد.
این کتاب که هم برای پزشکان و هم برای محققان طراحی شده است، تقاطع بین توسعه فناوری مهندسی جدید را بررسی می کند و از داده های صنعت برای درک رفتار مصرف کننده استفاده می کند. این دانش مهندسی را با بینش در مورد رفتار انسان ترکیب می کند. مهندسان متوجه خواهند شد که چگونه داده های تولید شده از فناوری می تواند برای درک رفتار مصرف کننده استفاده شود و دانشمندان علوم اجتماعی درک بهتری از فرآیند تولید داده خواهند داشت.

This book introduces the concepts, applications and development of data science in the telecommunications industry by focusing on advanced machine learning and data mining methodologies in the wireless networks domain. Mining Over Air describes the problems and their solutions for wireless network performance and quality, device quality readiness and returns analytics, wireless resource usage profiling, network traffic anomaly detection, intelligence-based self-organizing networks, telecom marketing, social influence, and other important applications in the telecom industry.
Written by authors who study big data analytics in wireless networks and telecommunication markets from both industrial and academic perspectives, the book targets the pain points in telecommunication networks and markets through big data.
Designed for both practitioners and researchers, the book explores the intersection between the development of new engineering technology and uses data from the industry to understand consumer behavior. It combines engineering savvy with insights about human behavior. Engineers will understand how the data generated from the technology can be used to understand the consumer behavior and social scientists will get a better understanding of the data generation process.