| TÃtulo : |
Advances in Machine Learning and Data Science : Recent Achievements and Research Directives |
| Tipo de documento: |
documento electrónico |
| Autores: |
Reddy Edla, Damodar, ; Lingras, Pawan, |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2018 |
| Número de páginas: |
XII, 380 p. 157 ilustraciones |
| ISBN/ISSN/DL: |
978-981-10-8569-7 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Inteligencia Computacional Procesamiento de datos Grandes datos Investigación cuantitativa MinerÃa de datos y descubrimiento de conocimientos Análisis de datos y Big Data |
| Ãndice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
El volumen de "Avances en aprendizaje automático y ciencia de datos: logros recientes y directivas de investigación" constituye las actas de la Primera Conferencia Internacional sobre los últimos avances en aprendizaje automático y ciencia de datos (LAMDA 2017). Los 37 artÃculos regulares presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 123 presentaciones. Hoy en dÃa encontramos muchos programas informáticos que exhiben diversos métodos de aprendizaje útiles y aplicaciones comerciales. El objetivo del aprendizaje automático es desarrollar programas informáticos que puedan aprender de la experiencia. El aprendizaje automático implica conocimientos de diversas disciplinas como estadÃstica, teorÃa de la información, inteligencia artificial, complejidad computacional, ciencia cognitiva y biologÃa. Para problemas como el reconocimiento de escritura a mano, los algoritmos basados ​​en el aprendizaje automático superan a todos los demás enfoques. Tanto el aprendizaje automático como la ciencia de datos están interrelacionados. La ciencia de datos es un término general que se utiliza para técnicas que limpian datos y extraen información útil de los datos. En el campo de la ciencia de datos, los algoritmos de aprendizaje automático se utilizan con frecuencia para identificar conocimientos valiosos de bases de datos comerciales que contienen registros de diferentes industrias, transacciones financieras, registros médicos, etc. El objetivo principal de este libro es proporcionar una descripción general de los últimos avances en el campo. de aprendizaje automático y ciencia de datos, con soluciones a problemas en el campo del procesamiento de imágenes, videos, datos y gráficos, reconocimiento de patrones, estructuración de datos, agrupación de datos, minerÃa de patrones, enfoques basados ​​en reglas de asociación, técnicas de extracción de caracterÃsticas, redes neuronales, aprendizaje bioinspirado. y varios algoritmos de aprendizaje automático. . |
| Nota de contenido: |
Preface -- About the Editors -- Table of Contents -- 38 Papers -- Author Index. |
| En lÃnea: |
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 |
Advances in Machine Learning and Data Science : Recent Achievements and Research Directives [documento electrónico] / Reddy Edla, Damodar, ; Lingras, Pawan, . - 1 ed. . - Singapore [Malasya] : Springer, 2018 . - XII, 380 p. 157 ilustraciones. ISBN : 978-981-10-8569-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Inteligencia Computacional Procesamiento de datos Grandes datos Investigación cuantitativa MinerÃa de datos y descubrimiento de conocimientos Análisis de datos y Big Data |
| Ãndice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
El volumen de "Avances en aprendizaje automático y ciencia de datos: logros recientes y directivas de investigación" constituye las actas de la Primera Conferencia Internacional sobre los últimos avances en aprendizaje automático y ciencia de datos (LAMDA 2017). Los 37 artÃculos regulares presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 123 presentaciones. Hoy en dÃa encontramos muchos programas informáticos que exhiben diversos métodos de aprendizaje útiles y aplicaciones comerciales. El objetivo del aprendizaje automático es desarrollar programas informáticos que puedan aprender de la experiencia. El aprendizaje automático implica conocimientos de diversas disciplinas como estadÃstica, teorÃa de la información, inteligencia artificial, complejidad computacional, ciencia cognitiva y biologÃa. Para problemas como el reconocimiento de escritura a mano, los algoritmos basados ​​en el aprendizaje automático superan a todos los demás enfoques. Tanto el aprendizaje automático como la ciencia de datos están interrelacionados. La ciencia de datos es un término general que se utiliza para técnicas que limpian datos y extraen información útil de los datos. En el campo de la ciencia de datos, los algoritmos de aprendizaje automático se utilizan con frecuencia para identificar conocimientos valiosos de bases de datos comerciales que contienen registros de diferentes industrias, transacciones financieras, registros médicos, etc. El objetivo principal de este libro es proporcionar una descripción general de los últimos avances en el campo. de aprendizaje automático y ciencia de datos, con soluciones a problemas en el campo del procesamiento de imágenes, videos, datos y gráficos, reconocimiento de patrones, estructuración de datos, agrupación de datos, minerÃa de patrones, enfoques basados ​​en reglas de asociación, técnicas de extracción de caracterÃsticas, redes neuronales, aprendizaje bioinspirado. y varios algoritmos de aprendizaje automático. . |
| Nota de contenido: |
Preface -- About the Editors -- Table of Contents -- 38 Papers -- Author Index. |
| En lÃnea: |
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 |
|  |