Autor Curry, Edward
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsquedaThe Elements of Big Data Value / Curry, Edward ; Metzger, Andreas ; Zillner, Sonja ; Pazzaglia, Jean-Christophe ; García Robles, Ana
Título : The Elements of Big Data Value : Foundations of the Research and Innovation Ecosystem Tipo de documento: documento electrónico Autores: Curry, Edward, ; Metzger, Andreas, ; Zillner, Sonja, ; Pazzaglia, Jean-Christophe, ; García Robles, Ana, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XXIII, 401 p. 69 ilustraciones, 67 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-68176-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas de almacenamiento y recuperación de información Innovaciones tecnológicas Industria informática Grandes datos Almacenamiento y recuperación de información Gestión de Innovación y Tecnología Comercialización de Tecnología La industria informática Índice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este libro de acceso abierto presenta los fundamentos del ecosistema de investigación e innovación de Big Data y los habilitadores asociados que facilitan la entrega de valor a partir de los datos para las empresas y la sociedad. Proporciona información sobre los elementos clave para la investigación y la innovación, arquitecturas técnicas, modelos de negocio, habilidades y mejores prácticas para respaldar la creación de soluciones y organizaciones basadas en datos. El libro es una recopilación de capítulos seleccionados de alta calidad que cubren las mejores prácticas, tecnologías, experiencias y recomendaciones prácticas sobre investigación e innovación para big data. Las contribuciones se agrupan en cuatro partes: · Parte I: Elementos del ecosistema del valor de Big Data se centra en establecer el ecosistema de valor de Big Data utilizando un enfoque holístico para hacerlo atractivo y valioso para todas las partes interesadas. · Parte II: Elementos de investigación e innovación del valor de Big Data detalla los desafíos técnicos y de capacidad clave que se deben abordar para entregar valor de Big Data. · Parte III: Elementos empresariales, políticos y sociales del valor de Big Data investiga la necesidad de hacer un uso más eficiente de Big Data y comprender que los datos son un activo que tiene un potencial significativo para la economía y la sociedad. · Parte IV: Elementos emergentes del valor de Big Data explora los elementos críticos para maximizar el potencial futuro del valor de Big Data. En general, los lectores reciben información que puede ayudarlos a crear soluciones, organizaciones y ecosistemas de datos productivos basados en datos. El material representa los resultados de un esfuerzo colectivo emprendido por la comunidad europea de datos como parte de la Asociación Público-Privada (APP) Big Data Value entre la Comisión Europea y la Big Data Value Association (BDVA) para impulsar la transformación digital basada en datos. . Nota de contenido: Part I: Ecosystem Elements of Big Data Value -- The European Big Data Value Ecosystem -- Stakeholder Analysis of Data Ecosystems -- A Roadmap to Drive Adoption of Data Ecosystems -- Achievements and Impact of the Big Data Value Public-Private Partnership: The Story so Far -- Part II: Research and Innovation Elements of Big Data Value -- Technical Research Priorities for Big Data -- A Reference Model for Big Data Technologies -- Data Protection in the Era of Artificial Intelligence: Trends, Existing Solutions and Recommendations for Privacy-Preserving Technologies -- A Best Practice Framework for Centres of Excellence in Big Data and Artificial Intelligence -- Data Innovation Spaces -- Part III: Business, Policy, and Societal Elements of Big Data Value -- Big Data Value Creation by Example -- Business Models and Ecosystem for Big Data -- Innovation in Times of Big Data and AI: Introducing the Data-Driven Innovation (DDI) Framework -- The Road to Big Data Standardisation -- The Role of Data Regulation in Shaping AI: An Overview of Challenges and Recommendations for SMEs -- Part IV: Emerging Elements of Big Data Value -- Data Economy 2.0: From Big Data Value to AI Value and a European Data Space. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i The Elements of Big Data Value : Foundations of the Research and Innovation Ecosystem [documento electrónico] / Curry, Edward, ; Metzger, Andreas, ; Zillner, Sonja, ; Pazzaglia, Jean-Christophe, ; García Robles, Ana, . - 1 ed. . - [s.l.] : Springer, 2021 . - XXIII, 401 p. 69 ilustraciones, 67 ilustraciones en color.
ISBN : 978-3-030-68176-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Sistemas de almacenamiento y recuperación de información Innovaciones tecnológicas Industria informática Grandes datos Almacenamiento y recuperación de información Gestión de Innovación y Tecnología Comercialización de Tecnología La industria informática Índice Dewey: 025.04 Sistemas de almacenamiento y recuperación de información Resumen: Este libro de acceso abierto presenta los fundamentos del ecosistema de investigación e innovación de Big Data y los habilitadores asociados que facilitan la entrega de valor a partir de los datos para las empresas y la sociedad. Proporciona información sobre los elementos clave para la investigación y la innovación, arquitecturas técnicas, modelos de negocio, habilidades y mejores prácticas para respaldar la creación de soluciones y organizaciones basadas en datos. El libro es una recopilación de capítulos seleccionados de alta calidad que cubren las mejores prácticas, tecnologías, experiencias y recomendaciones prácticas sobre investigación e innovación para big data. Las contribuciones se agrupan en cuatro partes: · Parte I: Elementos del ecosistema del valor de Big Data se centra en establecer el ecosistema de valor de Big Data utilizando un enfoque holístico para hacerlo atractivo y valioso para todas las partes interesadas. · Parte II: Elementos de investigación e innovación del valor de Big Data detalla los desafíos técnicos y de capacidad clave que se deben abordar para entregar valor de Big Data. · Parte III: Elementos empresariales, políticos y sociales del valor de Big Data investiga la necesidad de hacer un uso más eficiente de Big Data y comprender que los datos son un activo que tiene un potencial significativo para la economía y la sociedad. · Parte IV: Elementos emergentes del valor de Big Data explora los elementos críticos para maximizar el potencial futuro del valor de Big Data. En general, los lectores reciben información que puede ayudarlos a crear soluciones, organizaciones y ecosistemas de datos productivos basados en datos. El material representa los resultados de un esfuerzo colectivo emprendido por la comunidad europea de datos como parte de la Asociación Público-Privada (APP) Big Data Value entre la Comisión Europea y la Big Data Value Association (BDVA) para impulsar la transformación digital basada en datos. . Nota de contenido: Part I: Ecosystem Elements of Big Data Value -- The European Big Data Value Ecosystem -- Stakeholder Analysis of Data Ecosystems -- A Roadmap to Drive Adoption of Data Ecosystems -- Achievements and Impact of the Big Data Value Public-Private Partnership: The Story so Far -- Part II: Research and Innovation Elements of Big Data Value -- Technical Research Priorities for Big Data -- A Reference Model for Big Data Technologies -- Data Protection in the Era of Artificial Intelligence: Trends, Existing Solutions and Recommendations for Privacy-Preserving Technologies -- A Best Practice Framework for Centres of Excellence in Big Data and Artificial Intelligence -- Data Innovation Spaces -- Part III: Business, Policy, and Societal Elements of Big Data Value -- Big Data Value Creation by Example -- Business Models and Ecosystem for Big Data -- Innovation in Times of Big Data and AI: Introducing the Data-Driven Innovation (DDI) Framework -- The Road to Big Data Standardisation -- The Role of Data Regulation in Shaping AI: An Overview of Challenges and Recommendations for SMEs -- Part IV: Emerging Elements of Big Data Value -- Data Economy 2.0: From Big Data Value to AI Value and a European Data Space. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part III Tipo de documento: documento electrónico Autores: Brefeld, Ulf, ; Curry, Edward, ; Daly, Elizabeth, ; MacNamee, Brian, ; Marascu, Alice, ; Pinelli, Fabio, ; Berlingerio, Michele, ; Hurley, Neil, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXXI, 706 p. 332 ilustraciones, 194 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-10997-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Protección de datos Delitos informáticos Minería de datos y descubrimiento de conocimientos Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento Seguridad de datos e información Crimen informático Índice Dewey: 6.312 Resumen: Las actas de tres volúmenes LNAI 11051 – 11053 constituyen las actas arbitradas de la Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, celebrada en Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos en la sección de demostración, néctar y ciencia de datos aplicada. Las contribuciones se organizaron en secciones temáticas denominadas de la siguiente manera: Parte I: aprendizaje contradictorio; detección de anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; aprendizaje profundo; métodos de conjunto; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; Comercio electrónico de ADS; Ingeniería y diseño de ADS; ADS financieros y de seguridad; salud de los anuncios; detección y posicionamiento de ADS; pista de néctar; y pista de demostración. Nota de contenido: ADS Data Science Applications -- Neural Article Pair Modeling for Wikipedia Sub-article Matching -- LinNet: Probabilistic Lineup Evaluation Through Network Embedding -- Improving Emotion Detection with Sub-clip Boosting -- Machine Learning for Targeted Assimilation of Satellite Data -- From Empirical Analysis to Public Policy: Evaluating Housing Systems for Homeless Youth -- Discovering Groups of Signals in In-Vehicle Network Traces for Redundancy Detection and Functional Grouping -- ADS E-commerce -- SPEEDING up the Metabolism in E-commerce by Reinforcement Mechanism DESIGN -- Intent-aware Audience Targeting for Ride-hailing Service -- A Recurrent Neural Network Survival Model: Predicting Web User Return Time -- Implicit Linking of Food Entities in Social Media -- A Practical Deep Online Ranking System in E-commerce Recommendation -- ADS Engineering and Design -- ST-DenNetFus: A New Deep Learning Approach for Network Demand Prediction -- Automating Layout Synthesis with Constructive Preference Elicitation -- Configuration of Industrial Automation Solutions Using Multi-relational Recommender Systems -- Learning Cheap and Novel Flight Itineraries -- Towards Resource-Efficient Classifiers for Always-On Monitoring -- ADS Financial / Security -- Uncertainty Modelling in Deep Networks: Forecasting Short and Noisy Series -- Using Reinforcement Learning to Conceal Honeypot Functionality -- Flexible Inference for Cyberbully Incident Detection -- Solving the \false positives" problem in fraud prediction - Automated Data Science at an Industrial Scale -- Learning Tensor-based Representations from Brain-Computer Interface Data for Cybersecurity -- ADS Health -- Can We Assess Mental Health through Social Media and Smart Devices? Addressing Bias in Methodology and Evaluation -- AMIE: Automatic Monitoring of Indoor Exercises -- Rough Set Theory as a Data Mining Technique: A Case Study in Epidemiology and Cancer Incidence Prediction -- Selecting Influenza Mitigation Strategies Using Bayesian Bandits -- Hypotensive Episode Prediction in ICUs via Observation Window Splitting -- Equipment Health Indicator Learning using Deep Reinforcement Learning -- ADS Sensing/Positioning -- PBE: Driver Behavior Assessment Beyond Trajectory Profiling -- Accurate WiFi-based Indoor Positioning with Continuous Location Sampling -- Human Activity Recognition with Convolutional Neural Networks -- Urban sensing for anomalous event detection -- Combining Bayesian Inference and Clustering for Transport Mode Detection from Sparse and Noisy Geolocation Data -- CentroidNet: A Deep Neural Network for Joint Object Localization and Counting -- Deep Modular Multimodal Fusion on Multiple Sensors for Volcano Activity Recognition -- Nectar Track -- Matrix Completion under Interval Uncertainty -- A two-step approach for the prediction of mood levels based on diary data -- Best Practices to Train Deep Models on Imbalanced Datasets - A Case Study on Animal Detection in Aerial Imagery -- Deep Query Ranking for Question Answering over Knowledge Bases -- Machine Learning Approaches to Hybrid Music Recommender Systems -- Demo Track -- IDEA: An Interactive Dialogue Translation Demo System Using Furhat Robots -- RAPID: Real-time Analytics Platform for Interactive Data Mining -- COBRASTS: A new approach to Semi-Supervised Clustering of Time Series -- pysubgroup: Easy-to-use Subgroup Discovery in Python -- An Advert Creation System for Next-Gen Publicity -- VHI : Valve Health Identification for the Maintenance of Subsea Industrial Equipment -- Tiler: Software for Human-Guided Data Exploration -- ADAGIO: Interactive Experimentation with Adversarial Attack and Defense for Audio -- ClaRe: Classification and Regression Tool for Multivariate Time Series -- Industrial Memories: Exploring the Findings of Government Inquiries with Neural Word Embedding and Machine Learning -- Monitoring Emergency First Responders' Activities via Gradient Boosting and Inertial Sensor Data -- Visualizing Multi-Document Semantics via Open Domain Information Extraction. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part III [documento electrónico] / Brefeld, Ulf, ; Curry, Edward, ; Daly, Elizabeth, ; MacNamee, Brian, ; Marascu, Alice, ; Pinelli, Fabio, ; Berlingerio, Michele, ; Hurley, Neil, . - 1 ed. . - [s.l.] : Springer, 2019 . - XXXI, 706 p. 332 ilustraciones, 194 ilustraciones en color.
ISBN : 978-3-030-10997-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de datos Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Protección de datos Delitos informáticos Minería de datos y descubrimiento de conocimientos Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento Seguridad de datos e información Crimen informático Índice Dewey: 6.312 Resumen: Las actas de tres volúmenes LNAI 11051 – 11053 constituyen las actas arbitradas de la Conferencia Europea sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD 2018, celebrada en Dublín, Irlanda, en septiembre de 2018. El total de 131 artículos regulares presentados en la parte I y la parte II fue cuidadosamente revisada y seleccionada entre 535 presentaciones; Hay 52 artículos en la sección de demostración, néctar y ciencia de datos aplicada. Las contribuciones se organizaron en secciones temáticas denominadas de la siguiente manera: Parte I: aprendizaje contradictorio; detección de anomalías y valores atípicos; aplicaciones; clasificación; agrupamiento y aprendizaje no supervisado; aprendizaje profundo; métodos de conjunto; y evaluación. Parte II: gráficos; métodos del núcleo; paradigmas de aprendizaje; análisis matricial y tensorial; aprendizaje activo y en línea; minería de patrones y secuencias; modelos probabilísticos y métodos estadísticos; sistemas de recomendación; y transferir el aprendizaje. Parte III: Aplicaciones de ciencia de datos de ADS; Comercio electrónico de ADS; Ingeniería y diseño de ADS; ADS financieros y de seguridad; salud de los anuncios; detección y posicionamiento de ADS; pista de néctar; y pista de demostración. Nota de contenido: ADS Data Science Applications -- Neural Article Pair Modeling for Wikipedia Sub-article Matching -- LinNet: Probabilistic Lineup Evaluation Through Network Embedding -- Improving Emotion Detection with Sub-clip Boosting -- Machine Learning for Targeted Assimilation of Satellite Data -- From Empirical Analysis to Public Policy: Evaluating Housing Systems for Homeless Youth -- Discovering Groups of Signals in In-Vehicle Network Traces for Redundancy Detection and Functional Grouping -- ADS E-commerce -- SPEEDING up the Metabolism in E-commerce by Reinforcement Mechanism DESIGN -- Intent-aware Audience Targeting for Ride-hailing Service -- A Recurrent Neural Network Survival Model: Predicting Web User Return Time -- Implicit Linking of Food Entities in Social Media -- A Practical Deep Online Ranking System in E-commerce Recommendation -- ADS Engineering and Design -- ST-DenNetFus: A New Deep Learning Approach for Network Demand Prediction -- Automating Layout Synthesis with Constructive Preference Elicitation -- Configuration of Industrial Automation Solutions Using Multi-relational Recommender Systems -- Learning Cheap and Novel Flight Itineraries -- Towards Resource-Efficient Classifiers for Always-On Monitoring -- ADS Financial / Security -- Uncertainty Modelling in Deep Networks: Forecasting Short and Noisy Series -- Using Reinforcement Learning to Conceal Honeypot Functionality -- Flexible Inference for Cyberbully Incident Detection -- Solving the \false positives" problem in fraud prediction - Automated Data Science at an Industrial Scale -- Learning Tensor-based Representations from Brain-Computer Interface Data for Cybersecurity -- ADS Health -- Can We Assess Mental Health through Social Media and Smart Devices? Addressing Bias in Methodology and Evaluation -- AMIE: Automatic Monitoring of Indoor Exercises -- Rough Set Theory as a Data Mining Technique: A Case Study in Epidemiology and Cancer Incidence Prediction -- Selecting Influenza Mitigation Strategies Using Bayesian Bandits -- Hypotensive Episode Prediction in ICUs via Observation Window Splitting -- Equipment Health Indicator Learning using Deep Reinforcement Learning -- ADS Sensing/Positioning -- PBE: Driver Behavior Assessment Beyond Trajectory Profiling -- Accurate WiFi-based Indoor Positioning with Continuous Location Sampling -- Human Activity Recognition with Convolutional Neural Networks -- Urban sensing for anomalous event detection -- Combining Bayesian Inference and Clustering for Transport Mode Detection from Sparse and Noisy Geolocation Data -- CentroidNet: A Deep Neural Network for Joint Object Localization and Counting -- Deep Modular Multimodal Fusion on Multiple Sensors for Volcano Activity Recognition -- Nectar Track -- Matrix Completion under Interval Uncertainty -- A two-step approach for the prediction of mood levels based on diary data -- Best Practices to Train Deep Models on Imbalanced Datasets - A Case Study on Animal Detection in Aerial Imagery -- Deep Query Ranking for Question Answering over Knowledge Bases -- Machine Learning Approaches to Hybrid Music Recommender Systems -- Demo Track -- IDEA: An Interactive Dialogue Translation Demo System Using Furhat Robots -- RAPID: Real-time Analytics Platform for Interactive Data Mining -- COBRASTS: A new approach to Semi-Supervised Clustering of Time Series -- pysubgroup: Easy-to-use Subgroup Discovery in Python -- An Advert Creation System for Next-Gen Publicity -- VHI : Valve Health Identification for the Maintenance of Subsea Industrial Equipment -- Tiler: Software for Human-Guided Data Exploration -- ADAGIO: Interactive Experimentation with Adversarial Attack and Defense for Audio -- ClaRe: Classification and Regression Tool for Multivariate Time Series -- Industrial Memories: Exploring the Findings of Government Inquiries with Neural Word Embedding and Machine Learning -- Monitoring Emergency First Responders' Activities via Gradient Boosting and Inertial Sensor Data -- Visualizing Multi-Document Semantics via Open Domain Information Extraction. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Real-time Linked Dataspaces : Enabling Data Ecosystems for Intelligent Systems Tipo de documento: documento electrónico Autores: Curry, Edward, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXIII, 325 p. 111 ilustraciones, 30 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-29665-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Gestión de base de datos Computadoras Propósitos especiales Ciencias de la Computación Sistemas de propósito especial y basados en aplicaciones Modelos de Computación Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro de acceso abierto explora el paradigma del espacio de datos como un enfoque de mejor esfuerzo para la gestión de datos dentro de los ecosistemas de datos. Establece los fundamentos teóricos y los principios de los espacios de datos vinculados en tiempo real como plataforma de datos para sistemas inteligentes. El libro presenta un conjunto de técnicas y modelos especializados de mejor esfuerzo para permitir una proximidad administrativa flexible y una integración semántica para gestionar y procesar eventos y flujos. El libro se divide en cinco partes principales: La Parte I, "Fundamentos y conceptos", detalla la motivación detrás y los conceptos centrales de los espacios de datos vinculados en tiempo real, y establece la necesidad de desarrollar técnicas de gestión de datos para enfrentar los desafíos de habilitar ecosistemas de datos para Sistemas inteligentes dentro de entornos inteligentes. Además, explica los conceptos fundamentales de los espacios de datos y la necesidad de especialización en el procesamiento de datos dinámicos en tiempo real. La Parte II, "Servicios de soporte de datos", explora el diseño y la evaluación de servicios críticos, incluido el catálogo, la gestión de entidades, las consultas y búsquedas, el descubrimiento de servicios de datos y el contacto humano. A su vez, la Parte III "Servicios de procesamiento de eventos y transmisiones" aborda el diseño y evaluación de las técnicas especializadas creadas para servicios de soporte en tiempo real, incluido el procesamiento de eventos complejos, la composición de servicios de eventos, la difusión de transmisiones, la coincidencia de transmisiones y la coincidencia semántica aproximada. La Parte IV, "Sistemas y aplicaciones inteligentes", explora el uso de espacios de datos vinculados en tiempo real dentro de entornos inteligentes del mundo real. Para concluir, la Parte V, "Direcciones futuras", describe los futuros desafíos de investigación para los espacios de datos, los ecosistemas de datos y los sistemas inteligentes. Los lectores obtendrán una comprensión detallada de cómo se utiliza ahora el paradigma del espacio de datos para habilitar ecosistemas de datos para sistemas inteligentes dentro de entornos inteligentes. El libro cubre la teoría fundamental, la creación de nuevas técnicas necesarias para los servicios de soporte y las lecciones aprendidas de sistemas inteligentes del mundo real y aplicaciones centradas en la sostenibilidad. En consecuencia, beneficiará no sólo a los investigadores y estudiantes de posgrado en los campos de la gestión de datos, big data e IoT, sino también a los profesionales que necesitan crear plataformas avanzadas de gestión de datos para sistemas inteligentes, entornos inteligentes y ecosistemas de datos. Nota de contenido: 1 Real-time Linked Dataspaces: A Data Platform for Intelligent Systems within Internet of Things-based Smart Environments -- 2 Enabling Knowledge Flows in an Intelligent Systems Data Ecosystem -- 3 Dataspaces: Fundamentals, Principles, and Techniques -- 4 Fundamentals of Real-time Linked Dataspaces -- 5 Data Support Services for Real-time Linked Dataspaces -- 6 Catalog and Entity Management Service for Internet of Things-based Smart Environments -- 7 Querying and Searching Heterogeneous Knowledge Graphs in Real-time Linked Dataspaces -- 8 Enhancing the Discovery of Internet of Things-based Data Services in Real-time Linked Dataspaces -- 9 Human-in-the-Loop Tasks for Data Management, Citizen Sensing, and Actuation in Smart Environments -- 10 Stream and Event Processing Services for Real-time Linked Dataspaces -- 11 Quality of Service-Aware Complex Event Service Composition in Real-time Linked Dataspaces -- 12 Dissemination of Internet of Things Streams in a Real-time Linked Dataspace -- 13 Approximate Semantic Event Processing in Real-time Linked Dataspaces -- 14 Enabling Intelligent Systems, Applications, and Analytics for Smart Environments using Real-time Linked Dataspaces -- 15 Autonomic Source Selection for Real-time Predictive Analytics using the Internet of Things and Open Data -- 16 Building Internet of Things-enabled Digital Twins and Intelligent Applications using a Real-time Linked Dataspace -- 17 A Model for Internet of Things Enhanced User Experience in Smart Environments -- 18 Future Research Directions for Dataspaces, Data Ecosystems, and Intelligent Systems. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Real-time Linked Dataspaces : Enabling Data Ecosystems for Intelligent Systems [documento electrónico] / Curry, Edward, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XXIII, 325 p. 111 ilustraciones, 30 ilustraciones en color.
ISBN : 978-3-030-29665-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Gestión de base de datos Computadoras Propósitos especiales Ciencias de la Computación Sistemas de propósito especial y basados en aplicaciones Modelos de Computación Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro de acceso abierto explora el paradigma del espacio de datos como un enfoque de mejor esfuerzo para la gestión de datos dentro de los ecosistemas de datos. Establece los fundamentos teóricos y los principios de los espacios de datos vinculados en tiempo real como plataforma de datos para sistemas inteligentes. El libro presenta un conjunto de técnicas y modelos especializados de mejor esfuerzo para permitir una proximidad administrativa flexible y una integración semántica para gestionar y procesar eventos y flujos. El libro se divide en cinco partes principales: La Parte I, "Fundamentos y conceptos", detalla la motivación detrás y los conceptos centrales de los espacios de datos vinculados en tiempo real, y establece la necesidad de desarrollar técnicas de gestión de datos para enfrentar los desafíos de habilitar ecosistemas de datos para Sistemas inteligentes dentro de entornos inteligentes. Además, explica los conceptos fundamentales de los espacios de datos y la necesidad de especialización en el procesamiento de datos dinámicos en tiempo real. La Parte II, "Servicios de soporte de datos", explora el diseño y la evaluación de servicios críticos, incluido el catálogo, la gestión de entidades, las consultas y búsquedas, el descubrimiento de servicios de datos y el contacto humano. A su vez, la Parte III "Servicios de procesamiento de eventos y transmisiones" aborda el diseño y evaluación de las técnicas especializadas creadas para servicios de soporte en tiempo real, incluido el procesamiento de eventos complejos, la composición de servicios de eventos, la difusión de transmisiones, la coincidencia de transmisiones y la coincidencia semántica aproximada. La Parte IV, "Sistemas y aplicaciones inteligentes", explora el uso de espacios de datos vinculados en tiempo real dentro de entornos inteligentes del mundo real. Para concluir, la Parte V, "Direcciones futuras", describe los futuros desafíos de investigación para los espacios de datos, los ecosistemas de datos y los sistemas inteligentes. Los lectores obtendrán una comprensión detallada de cómo se utiliza ahora el paradigma del espacio de datos para habilitar ecosistemas de datos para sistemas inteligentes dentro de entornos inteligentes. El libro cubre la teoría fundamental, la creación de nuevas técnicas necesarias para los servicios de soporte y las lecciones aprendidas de sistemas inteligentes del mundo real y aplicaciones centradas en la sostenibilidad. En consecuencia, beneficiará no sólo a los investigadores y estudiantes de posgrado en los campos de la gestión de datos, big data e IoT, sino también a los profesionales que necesitan crear plataformas avanzadas de gestión de datos para sistemas inteligentes, entornos inteligentes y ecosistemas de datos. Nota de contenido: 1 Real-time Linked Dataspaces: A Data Platform for Intelligent Systems within Internet of Things-based Smart Environments -- 2 Enabling Knowledge Flows in an Intelligent Systems Data Ecosystem -- 3 Dataspaces: Fundamentals, Principles, and Techniques -- 4 Fundamentals of Real-time Linked Dataspaces -- 5 Data Support Services for Real-time Linked Dataspaces -- 6 Catalog and Entity Management Service for Internet of Things-based Smart Environments -- 7 Querying and Searching Heterogeneous Knowledge Graphs in Real-time Linked Dataspaces -- 8 Enhancing the Discovery of Internet of Things-based Data Services in Real-time Linked Dataspaces -- 9 Human-in-the-Loop Tasks for Data Management, Citizen Sensing, and Actuation in Smart Environments -- 10 Stream and Event Processing Services for Real-time Linked Dataspaces -- 11 Quality of Service-Aware Complex Event Service Composition in Real-time Linked Dataspaces -- 12 Dissemination of Internet of Things Streams in a Real-time Linked Dataspace -- 13 Approximate Semantic Event Processing in Real-time Linked Dataspaces -- 14 Enabling Intelligent Systems, Applications, and Analytics for Smart Environments using Real-time Linked Dataspaces -- 15 Autonomic Source Selection for Real-time Predictive Analytics using the Internet of Things and Open Data -- 16 Building Internet of Things-enabled Digital Twins and Intelligent Applications using a Real-time Linked Dataspace -- 17 A Model for Internet of Things Enhanced User Experience in Smart Environments -- 18 Future Research Directions for Dataspaces, Data Ecosystems, and Intelligent Systems. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
