Provenance in Data Science / Sikos, Leslie F. ; Seneviratne, Oshani W. ; McGuinness, Deborah L.  

Público ISBD Ningún comentario para este registro. Título : Provenance in Data Science : From Data Models to Context-Aware Knowledge Graphs Tipo de documento: documento electrónico Autores: Sikos, Leslie F., ; Seneviratne, Oshani W., ; McGuinness, Deborah L., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XI, 110 p. 24 ilustraciones ISBN/ISSN/DL: 978-3-030-67681-0 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 expertos (Informática)  Procesamiento de datos  Estructuras de datos (Informática)  Teoría de la información  Aprendizaje automático  Sistemas basados ​​en el conocimiento  Minería de datos y descubrimiento de conocimientos  Estructuras de datos y teoría de la información Índice Dewey: 006.33 Aprendizaje automático (Machine Learning) Resumen: Los gráficos de conocimiento basados ​​en RDF requieren formalismos adicionales para ser plenamente conscientes del contexto, como se presenta en este libro. Este libro también proporciona una colección de técnicas de procedencia y representaciones basadas en gráficos de conocimiento, mejoradas con metadatos y con reconocimiento de procedencia en múltiples dominios de aplicaciones, con el fin de demostrar cómo combinar modelos de datos basados ​​en gráficos y representaciones de procedencia. . Esto es importante para que las declaraciones sean autorizadas, verificables y reproducibles, como en aplicaciones biomédicas, farmacéuticas y de ciberseguridad, donde la fuente y el generador de datos pueden ser tan importantes como los datos mismos. Captar la procedencia es fundamental para garantizar resultados experimentales sólidos y estudios de investigación diseñados rigurosamente para la seguridad de los pacientes y los medicamentos, informes de patología y generación de evidencia médica. De manera similar, se necesita procedencia para los paneles de inteligencia sobre amenazas cibernéticas y los mapas de ataques que agregan y/o fusionan datos heterogéneos de fuentes de datos dispares para diferenciar entre eventos en línea sin importancia y ataques cibernéticos peligrosos, como se demuestra en este libro. Sin procedencia, la fiabilidad y la confiabilidad de los datos podrían verse limitadas, lo que provocaría problemas de reutilización, confianza, reproducibilidad y responsabilidad de los datos. Este libro está dirigido principalmente a investigadores que utilizan gráficos de conocimiento en sus métodos y enfoques (esto incluye investigadores de una variedad de dominios, como ciberseguridad, eSalud, ciencia de datos, web semántica, etc.). Este libro recopila datos básicos sobre el estado del arte en enfoques y técnicas de procedencia, complementados con una revisión crítica de los enfoques existentes. También se proporcionan nuevas direcciones de investigación que combinan ciencia de datos y gráficos de conocimiento, para un tema de investigación cada vez más importante. Nota de contenido: The Evolution of Context-Aware RDF Knowledge Graphs -- Data Provenance and Accountability on the Web -- The Right (Provenance) Hammer for the Job: a Comparison of Data Provenance Instrumentation -- Contextualized Knowledge Graphs in Communication Network and Cyber-Physical System Modeling -- ProvCaRe: A Large-Scale Semantic Provenance Resource for Scientific Reproducibility -- Graph-Based Natural Language Processing for the Pharmaceutical Industry. 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 Provenance in Data Science : From Data Models to Context-Aware Knowledge Graphs [documento electrónico] / Sikos, Leslie F., ; Seneviratne, Oshani W., ; McGuinness, Deborah L.,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XI, 110 p. 24 ilustraciones. ISBN : 978-3-030-67681-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sistemas expertos (Informática)  Procesamiento de datos  Estructuras de datos (Informática)  Teoría de la información  Aprendizaje automático  Sistemas basados ​​en el conocimiento  Minería de datos y descubrimiento de conocimientos  Estructuras de datos y teoría de la información Índice Dewey: 006.33 Aprendizaje automático (Machine Learning) Resumen: Los gráficos de conocimiento basados ​​en RDF requieren formalismos adicionales para ser plenamente conscientes del contexto, como se presenta en este libro. Este libro también proporciona una colección de técnicas de procedencia y representaciones basadas en gráficos de conocimiento, mejoradas con metadatos y con reconocimiento de procedencia en múltiples dominios de aplicaciones, con el fin de demostrar cómo combinar modelos de datos basados ​​en gráficos y representaciones de procedencia. . Esto es importante para que las declaraciones sean autorizadas, verificables y reproducibles, como en aplicaciones biomédicas, farmacéuticas y de ciberseguridad, donde la fuente y el generador de datos pueden ser tan importantes como los datos mismos. Captar la procedencia es fundamental para garantizar resultados experimentales sólidos y estudios de investigación diseñados rigurosamente para la seguridad de los pacientes y los medicamentos, informes de patología y generación de evidencia médica. De manera similar, se necesita procedencia para los paneles de inteligencia sobre amenazas cibernéticas y los mapas de ataques que agregan y/o fusionan datos heterogéneos de fuentes de datos dispares para diferenciar entre eventos en línea sin importancia y ataques cibernéticos peligrosos, como se demuestra en este libro. Sin procedencia, la fiabilidad y la confiabilidad de los datos podrían verse limitadas, lo que provocaría problemas de reutilización, confianza, reproducibilidad y responsabilidad de los datos. Este libro está dirigido principalmente a investigadores que utilizan gráficos de conocimiento en sus métodos y enfoques (esto incluye investigadores de una variedad de dominios, como ciberseguridad, eSalud, ciencia de datos, web semántica, etc.). Este libro recopila datos básicos sobre el estado del arte en enfoques y técnicas de procedencia, complementados con una revisión crítica de los enfoques existentes. También se proporcionan nuevas direcciones de investigación que combinan ciencia de datos y gráficos de conocimiento, para un tema de investigación cada vez más importante. Nota de contenido: The Evolution of Context-Aware RDF Knowledge Graphs -- Data Provenance and Accountability on the Web -- The Right (Provenance) Hammer for the Job: a Comparison of Data Provenance Instrumentation -- Contextualized Knowledge Graphs in Communication Network and Cyber-Physical System Modeling -- ProvCaRe: A Large-Scale Semantic Provenance Resource for Scientific Reproducibility -- Graph-Based Natural Language Processing for the Pharmaceutical Industry. 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

---

1 (1 - 1 / 1) Par page : 25 50 100 200