Autor Berthold, Michael R.
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda18th International Symposium on Intelligent Data Analysis, IDA 2020, Konstanz, Germany, April 27–29, 2020, Proceedings / Berthold, Michael R. ; Feelders, Ad ; Krempl, Georg
Título : 18th International Symposium on Intelligent Data Analysis, IDA 2020, Konstanz, Germany, April 27–29, 2020, Proceedings Tipo de documento: documento electrónico Autores: Berthold, Michael R., ; Feelders, Ad, ; Krempl, Georg, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XIV, 588 p. 210 ilustraciones, 132 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-44584-3 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 Procesamiento de datos Ordenadores Aprendizaje automático Ingeniería Informática Red de computadoras Minería de datos y descubrimiento de conocimientos Entornos informáticos Ingeniería Informática y Redes Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro de acceso abierto constituye las actas de la 18.ª Conferencia Internacional sobre Análisis Inteligente de Datos, IDA 2020, celebrada en Konstanz, Alemania, en abril de 2020. Los 45 artículos completos presentados en este volumen fueron cuidadosamente revisados y seleccionados entre 114 presentaciones. Para avanzar en el análisis inteligente de datos se necesitan ideas novedosas y potencialmente revolucionarias. La misión de IDA es promover las ideas por encima del desempeño: una motivación sólida puede ser tan convincente como una evaluación empírica exhaustiva. Nota de contenido: Multivariate Time Series as Images: Imputation Using Convolutional Denoising Autoencoder -- Dual Sequential Variational Autoencoders for Fraud Detection -- A Principled Approach to Analyze Expressiveness and Accuracy of Graph Neural Networks -- Efficient Batch-Incremental Classification Using UMAP for Evolving Data Streams -- GraphMDL: Graph Pattern Selection Based on Minimum Description Length -- Towards Content Sensitivity Analysis -- Gibbs Sampling Subjectively Interesting Tiles -- Even Faster Exact k-Means Clustering -- Ising-Based Consensus Clustering on Special Purpose Hardware -- Transfer Learning by Learning Projections from Target to Source -- Computing Vertex-Vertex Dissimilarities Using Random Trees: Application to Clustering in Graphs -- Towards Evaluation of CNN Performance in Semantically Meaningful Latent Spaces -- Vouw: Geometric Pattern Mining Using the MDL Principle -- A Consensus Approach to Improve NMF Document Clustering -- Discriminative Bias for Learning Probabilistic Sentential Decision Diagrams -- Widening for MDL-Based Retail Signature Discovery -- Addressing the Resolution Limit and the Field of View Limit in Community Mining -- Estimating Uncertainty in Deep Learning for Reporting Confidence: An Application on Cell Type Prediction in Testes Based on Proteomics -- Adversarial Attacks Hidden in Plain Sight -- Enriched Weisfeiler-Lehman Kernel for Improved Graph Clustering of Source Code -- Overlapping Hierarchical Clustering (OHC) -- Digital Footprints of International Migration on Twitter -- Percolation-Based Detection of Anomalous Subgraphs in Complex Networks -- A Late-Fusion Approach to Community Detection in Attributed Networks -- Reconciling Predictions in the Regression Setting: an Application to Bus Travel Time Prediction -- A Distribution Dependent and Independent Complexity Analysis of Manifold Regularization -- Actionable Subgroup Discovery and Urban Farm Optimization -- AVATAR - Machine Learning Pipeline Evaluation Using Surrogate Model -- Detection ofDerivative Discontinuities in Observational Data -- Improving Prediction with Causal Probabilistic Variables -- DO-U-Net for Segmentation and Counting -- Enhanced Word Embeddings for Anorexia Nervosa Detection on Social Media -- Event Recognition Based on Classification of Generated Image Captions -- Human-to-AI Coach: Improving Human Inputs to AI Systems -- Aleatoric and Epistemic Uncertainty with Random Forests -- Master your Metrics with Calibration -- Supervised Phrase-Boundary Embeddings -- Predicting Remaining Useful Life with Similarity-Based Priors -- Orometric Methods in Bounded Metric Data -- Interpretable Neuron Structuring with Graph Spectral Regularization -- Comparing the Preservation of Network Properties by Graph Embeddings -- Making Learners (More) Monotone -- Combining Machine Learning and Simulation to a Hybrid Modelling Approach -- LiBRe: Label-Wise Selection of Base Learners in Binary Relevance for Multi-Label Classification -- Angle-Based Crowding Degree Estimation for Many-Objective Optimization. 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 18th International Symposium on Intelligent Data Analysis, IDA 2020, Konstanz, Germany, April 27–29, 2020, Proceedings [documento electrónico] / Berthold, Michael R., ; Feelders, Ad, ; Krempl, Georg, . - 1 ed. . - [s.l.] : Springer, 2020 . - XIV, 588 p. 210 ilustraciones, 132 ilustraciones en color.
ISBN : 978-3-030-44584-3
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 Procesamiento de datos Ordenadores Aprendizaje automático Ingeniería Informática Red de computadoras Minería de datos y descubrimiento de conocimientos Entornos informáticos Ingeniería Informática y Redes Índice Dewey: 005.74 Ciencia de los computadores (Archivos de datos y bases de datos) Resumen: Este libro de acceso abierto constituye las actas de la 18.ª Conferencia Internacional sobre Análisis Inteligente de Datos, IDA 2020, celebrada en Konstanz, Alemania, en abril de 2020. Los 45 artículos completos presentados en este volumen fueron cuidadosamente revisados y seleccionados entre 114 presentaciones. Para avanzar en el análisis inteligente de datos se necesitan ideas novedosas y potencialmente revolucionarias. La misión de IDA es promover las ideas por encima del desempeño: una motivación sólida puede ser tan convincente como una evaluación empírica exhaustiva. Nota de contenido: Multivariate Time Series as Images: Imputation Using Convolutional Denoising Autoencoder -- Dual Sequential Variational Autoencoders for Fraud Detection -- A Principled Approach to Analyze Expressiveness and Accuracy of Graph Neural Networks -- Efficient Batch-Incremental Classification Using UMAP for Evolving Data Streams -- GraphMDL: Graph Pattern Selection Based on Minimum Description Length -- Towards Content Sensitivity Analysis -- Gibbs Sampling Subjectively Interesting Tiles -- Even Faster Exact k-Means Clustering -- Ising-Based Consensus Clustering on Special Purpose Hardware -- Transfer Learning by Learning Projections from Target to Source -- Computing Vertex-Vertex Dissimilarities Using Random Trees: Application to Clustering in Graphs -- Towards Evaluation of CNN Performance in Semantically Meaningful Latent Spaces -- Vouw: Geometric Pattern Mining Using the MDL Principle -- A Consensus Approach to Improve NMF Document Clustering -- Discriminative Bias for Learning Probabilistic Sentential Decision Diagrams -- Widening for MDL-Based Retail Signature Discovery -- Addressing the Resolution Limit and the Field of View Limit in Community Mining -- Estimating Uncertainty in Deep Learning for Reporting Confidence: An Application on Cell Type Prediction in Testes Based on Proteomics -- Adversarial Attacks Hidden in Plain Sight -- Enriched Weisfeiler-Lehman Kernel for Improved Graph Clustering of Source Code -- Overlapping Hierarchical Clustering (OHC) -- Digital Footprints of International Migration on Twitter -- Percolation-Based Detection of Anomalous Subgraphs in Complex Networks -- A Late-Fusion Approach to Community Detection in Attributed Networks -- Reconciling Predictions in the Regression Setting: an Application to Bus Travel Time Prediction -- A Distribution Dependent and Independent Complexity Analysis of Manifold Regularization -- Actionable Subgroup Discovery and Urban Farm Optimization -- AVATAR - Machine Learning Pipeline Evaluation Using Surrogate Model -- Detection ofDerivative Discontinuities in Observational Data -- Improving Prediction with Causal Probabilistic Variables -- DO-U-Net for Segmentation and Counting -- Enhanced Word Embeddings for Anorexia Nervosa Detection on Social Media -- Event Recognition Based on Classification of Generated Image Captions -- Human-to-AI Coach: Improving Human Inputs to AI Systems -- Aleatoric and Epistemic Uncertainty with Random Forests -- Master your Metrics with Calibration -- Supervised Phrase-Boundary Embeddings -- Predicting Remaining Useful Life with Similarity-Based Priors -- Orometric Methods in Bounded Metric Data -- Interpretable Neuron Structuring with Graph Spectral Regularization -- Comparing the Preservation of Network Properties by Graph Embeddings -- Making Learners (More) Monotone -- Combining Machine Learning and Simulation to a Hybrid Modelling Approach -- LiBRe: Label-Wise Selection of Base Learners in Binary Relevance for Multi-Label Classification -- Angle-Based Crowding Degree Estimation for Many-Objective Optimization. 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 : Guide to Intelligent Data Science : How to Intelligently Make Use of Real Data Tipo de documento: documento electrónico Autores: Berthold, Michael R., Autor ; Borgelt, Christian, Autor ; Höppner, Frank, Autor ; Klawonn, Frank, Autor ; Silipo, Rosaria, Autor Mención de edición: 2 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XIII, 420 p. 179 ilustraciones, 122 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-45574-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Investigación cuantitativa Procesamiento de datos Índice Dewey: 006.312 Minería de datos Resumen: El uso de datos ya no es un proyecto de nicho, sino que es fundamental para casi todos los proyectos. Con acceso a recursos informáticos masivos y grandes cantidades de datos, parece, al menos en principio, posible resolver cualquier problema. Sin embargo, los proyectos exitosos de ciencia de datos son el resultado de la aplicación inteligente de: la intuición humana en combinación con el poder computacional; sólidos conocimientos previos sobre modelado asistido por ordenador; y reflexión crítica de los conocimientos y resultados obtenidos. Este libro de texto básico, que actualiza sustancialmente la edición anterior, entonces titulada Guía para el análisis inteligente de datos, continúa brindando un enfoque instructivo práctico para muchas técnicas de ciencia de datos y explica cómo se utilizan para resolver problemas del mundo real. El trabajo equilibra los aspectos prácticos de la aplicación y el uso de técnicas de ciencia de datos con los fundamentos teóricos y algorítmicos de las matemáticas y la estadística. Se incluyen actualizaciones importantes sobre técnicas y cobertura de temas (incluido el aprendizaje profundo). Temas y características: Guía al lector a través del proceso de ciencia de datos, siguiendo los pasos interdependientes de comprensión del proyecto, comprensión de datos, combinación y transformación de datos, modelado, así como implementación y monitoreo. Incluye numerosos ejemplos que utilizan la plataforma de análisis KNIME de código abierto, en conjunto. con un apéndice introductorio Proporciona una revisión de los conceptos básicos de la estadística clásica que respaldan y justifican muchos métodos de análisis de datos, y un glosario de términos estadísticos Integra ilustraciones y ejemplos de estilo de estudio de casos para apoyar la exposición pedagógica Proporciona más herramientas e información en un sitio web asociado Este libro de texto/referencia práctico y sistemático es una herramienta "imprescindible" para estudiantes graduados y universitarios avanzados y una lectura esencial para todos los profesionales que enfrentan problemas de ciencia de datos. Además, es una "necesidad de utilizar, necesidad de conservar" un recurso después de la exploración del tema. Prof. Dr. Michael R. Berthold es profesor de Bioinformática y Minería de Información en la Universidad de Konstanz. Prof. Dr. Christian Borgelt es profesor de ciencia de datos en la Universidad Paris Lodron de Salzburgo. Prof. Dr. Frank Höppner es profesor de Ingeniería de la Información en la Universidad de Ciencias Aplicadas de Ostfalia. El Prof. Dr. Frank Klawonn es profesor de Análisis de Datos y Reconocimiento de Patrones en la misma institución y jefe del Grupo de Bioestadística en el Centro Helmholtz de Investigación de Infecciones. La Dra. Rosaria Silipo es científica principal de datos y jefa de evangelización en KNIME AG. Nota de contenido: Introduction -- Practical Data Analysis: An Example -- Project Understanding -- Data Understanding -- Principles of Modeling -- Data Preparation -- Finding Patterns -- Finding Explanations -- Finding Predictors -- Evaluation and Deployment -- The Labelling Problem -- Appendix A: Statistics -- Appendix B: KNIME. 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 Guide to Intelligent Data Science : How to Intelligently Make Use of Real Data [documento electrónico] / Berthold, Michael R., Autor ; Borgelt, Christian, Autor ; Höppner, Frank, Autor ; Klawonn, Frank, Autor ; Silipo, Rosaria, Autor . - 2 ed. . - [s.l.] : Springer, 2020 . - XIII, 420 p. 179 ilustraciones, 122 ilustraciones en color.
ISBN : 978-3-030-45574-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Aprendizaje automático Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Investigación cuantitativa Procesamiento de datos Índice Dewey: 006.312 Minería de datos Resumen: El uso de datos ya no es un proyecto de nicho, sino que es fundamental para casi todos los proyectos. Con acceso a recursos informáticos masivos y grandes cantidades de datos, parece, al menos en principio, posible resolver cualquier problema. Sin embargo, los proyectos exitosos de ciencia de datos son el resultado de la aplicación inteligente de: la intuición humana en combinación con el poder computacional; sólidos conocimientos previos sobre modelado asistido por ordenador; y reflexión crítica de los conocimientos y resultados obtenidos. Este libro de texto básico, que actualiza sustancialmente la edición anterior, entonces titulada Guía para el análisis inteligente de datos, continúa brindando un enfoque instructivo práctico para muchas técnicas de ciencia de datos y explica cómo se utilizan para resolver problemas del mundo real. El trabajo equilibra los aspectos prácticos de la aplicación y el uso de técnicas de ciencia de datos con los fundamentos teóricos y algorítmicos de las matemáticas y la estadística. Se incluyen actualizaciones importantes sobre técnicas y cobertura de temas (incluido el aprendizaje profundo). Temas y características: Guía al lector a través del proceso de ciencia de datos, siguiendo los pasos interdependientes de comprensión del proyecto, comprensión de datos, combinación y transformación de datos, modelado, así como implementación y monitoreo. Incluye numerosos ejemplos que utilizan la plataforma de análisis KNIME de código abierto, en conjunto. con un apéndice introductorio Proporciona una revisión de los conceptos básicos de la estadística clásica que respaldan y justifican muchos métodos de análisis de datos, y un glosario de términos estadísticos Integra ilustraciones y ejemplos de estilo de estudio de casos para apoyar la exposición pedagógica Proporciona más herramientas e información en un sitio web asociado Este libro de texto/referencia práctico y sistemático es una herramienta "imprescindible" para estudiantes graduados y universitarios avanzados y una lectura esencial para todos los profesionales que enfrentan problemas de ciencia de datos. Además, es una "necesidad de utilizar, necesidad de conservar" un recurso después de la exploración del tema. Prof. Dr. Michael R. Berthold es profesor de Bioinformática y Minería de Información en la Universidad de Konstanz. Prof. Dr. Christian Borgelt es profesor de ciencia de datos en la Universidad Paris Lodron de Salzburgo. Prof. Dr. Frank Höppner es profesor de Ingeniería de la Información en la Universidad de Ciencias Aplicadas de Ostfalia. El Prof. Dr. Frank Klawonn es profesor de Análisis de Datos y Reconocimiento de Patrones en la misma institución y jefe del Grupo de Bioestadística en el Centro Helmholtz de Investigación de Infecciones. La Dra. Rosaria Silipo es científica principal de datos y jefa de evangelización en KNIME AG. Nota de contenido: Introduction -- Practical Data Analysis: An Example -- Project Understanding -- Data Understanding -- Principles of Modeling -- Data Preparation -- Finding Patterns -- Finding Explanations -- Finding Predictors -- Evaluation and Deployment -- The Labelling Problem -- Appendix A: Statistics -- Appendix B: KNIME. 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
