Veracity of Big Data: Machine Learning and Other Approaches to Verifying Truthfulness

مشکل اصلی حفظ کیفیت داده های بزرگ را بررسی کنید و راه حل های جدیدی را کشف کنید. شما چهار V از داده های بزرگ از جمله صحت را یاد خواهید گرفت و مسئله را از زوایای مختلف مطالعه خواهید کرد. راه‌حل‌های مورد بحث از حوزه‌های مختلف مهندسی و ریاضی، از جمله یادگیری ماشین، آمار، روش‌های رسمی و فناوری بلاک چین استخراج شده‌اند.

صحت داده های بزرگ به عنوان مقدمه ای بر الگوریتم های یادگیری ماشین و تکنیک های متنوعی مانند فیلتر کالمن، SPRT، CUSUM، منطق فازی و بلاک چین عمل می کند و نشان می دهد که چگونه می توانند برای حل مسائل در حوزه صحت استفاده می شود. با استفاده از مثال‌ها، ریاضیات پشت تکنیک‌ها به زبانی ساده توضیح داده می‌شود.

تعیین حقیقت داده‌های بزرگ در برنامه‌های کاربردی دنیای واقعی شامل استفاده از ابزارهای مختلف برای تجزیه و تحلیل اطلاعات موجود است. این کتاب به بررسی برخی از تکنیک هایی می پردازد که می توان از آنها استفاده کرد. وب‌سایت‌های میکروبلاگینگ مانند توییتر نقش مهمی در زندگی عمومی از جمله در زمان انتخابات ریاست‌جمهوری داشته‌اند. این کتاب از نمونه هایی از میکروبلاگ های ارسال شده در مورد یک موضوع خاص استفاده می کند تا نشان دهد که چگونه می توان صحت را بررسی و اثبات کرد. برخی از تکنیک‌ها در زمینه شناسایی حملات پنهان به وب‌سایت‌های میکروبلاگینگ برای تأثیرگذاری بر افکار عمومی توضیح داده شده‌اند.

آنچه یاد خواهید گرفت

• مشکل مربوط به صحت داده ها و پیامدهای آن را درک کنید

• بنیاد ریاضی مورد نیاز را برای کمک به به حداقل رساندن تأثیر مسئله با استفاده از زبان و مثال‌های قابل فهم ایجاد کنید </ p>

• از ابزارها و تکنیک های متنوعی مانند الگوریتم های یادگیری ماشین، بلاک چین و فیلتر کالمن برای رسیدگی به مشکلات صحت استفاده کنید

این کتاب برای چه کسانی است

توسعه دهندگان و متخصصان نرم افزار، مهندسان شاغل، مدیران کنجکاو، دانشجویان فارغ التحصیل و پژوهشگران

Examine the major problem of maintaining the quality of big data and discover novel solutions. You will learn the four V’s of big data, including veracity, and study the problem from various angles. The solutions discussed are drawn from diverse areas of engineering and math, including machine learning, statistics, formal methods, and the Blockchain technology. 

Veracity of Big Data serves as an introduction to machine learning algorithms and diverse techniques such as the Kalman filter, SPRT, CUSUM, fuzzy logic, and Blockchain, showing how they can be used to solve problems in the veracity domain. Using examples, the math behind the techniques is explained in easy-to-understand language.

Determining the truth of big data in real-world applications involves using various tools to analyze the available information. This book delves into some of the techniques that can be used. Microblogging websites such as Twitter have played a major role in public life, including during presidential elections. The book uses examples of microblogs posted on a particular topic to demonstrate how veracity can be examined and established. Some of the techniques are described in the context of detecting veiled attacks on microblogging websites to influence public opinion.

What You'll Learn

• Understand the problem concerning data veracity and its ramifications

• Develop the mathematical foundation needed to help minimize the impact of the problem using easy-to-understand language and examples

• Use diverse tools and techniques such as machine learning algorithms, Blockchain, and the Kalman filter to address veracity issues

Who This Book Is For

Software developers and practitioners, practicing engineers, curious managers, graduate students, and research scholars