Advances in Machine Learning and Data Science / Reddy Edla, Damodar ; Lingras, Pawan  

Público ISBD Ningún comentario para este registro. Título : 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 [Malasia] : 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. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Procesamiento de datos  Grandes datos  Investigación cuantitativa  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data Clasificación: 006.3 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 artículos regulares presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 123 presentaciones. Hoy en día 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 estadística, teoría de la información, inteligencia artificial, complejidad computacional, ciencia cognitiva y biología. 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, minería de patrones, enfoques basados ​​en reglas de asociación, técnicas de extracción de características, redes neuronales, aprendizaje bioinspirado. y varios algoritmos de aprendizaje automático. . Nota de contenido: Preface -- About the Editors -- Table of Contents -- 38 Papers -- Author Index. Tipo de medio : Computadora Summary : The Volume of "Advances in Machine Learning and Data Science - Recent Achievements and Research Directives" constitutes the proceedings of First International Conference on Latest Advances in Machine Learning and Data Science (LAMDA 2017). The 37 regular papers presented in this volume were carefully reviewed and selected from 123 submissions. These days we find many computer programs that exhibit various useful learning methods and commercial applications. Goal of machine learning is to develop computer programs that can learn from experience. Machine learning involves knowledge from various disciplines like, statistics, information theory, artificial intelligence, computational complexity, cognitive science and biology. For problems like handwriting recognition, algorithms that are based on machine learning out perform all other approaches. Both machine learning and data science are interrelated. Data science is an umbrella term to be used for techniques that cleandata and extract useful information from data. In field of data science, machine learning algorithms are used frequently to identify valuable knowledge from commercial databases containing records of different industries, financial transactions, medical records, etc. The main objective of this book is to provide an overview on latest advancements in the field of machine learning and data science, with solutions to problems in field of image, video, data and graph processing, pattern recognition, data structuring, data clustering, pattern mining, association rule based approaches, feature extraction techniques, neural networks, bio inspired learning and various machine learning algorithms. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advances in Machine Learning and Data Science : Recent Achievements and Research Directives [documento electrónico] / Reddy Edla, Damodar, ; Lingras, Pawan,  . -  1 ed.  . - Singapore [Malasia] : 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. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Procesamiento de datos  Grandes datos  Investigación cuantitativa  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data Clasificación: 006.3 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 artículos regulares presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 123 presentaciones. Hoy en día 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 estadística, teoría de la información, inteligencia artificial, complejidad computacional, ciencia cognitiva y biología. 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, minería de patrones, enfoques basados ​​en reglas de asociación, técnicas de extracción de características, redes neuronales, aprendizaje bioinspirado. y varios algoritmos de aprendizaje automático. . Nota de contenido: Preface -- About the Editors -- Table of Contents -- 38 Papers -- Author Index. Tipo de medio : Computadora Summary : The Volume of "Advances in Machine Learning and Data Science - Recent Achievements and Research Directives" constitutes the proceedings of First International Conference on Latest Advances in Machine Learning and Data Science (LAMDA 2017). The 37 regular papers presented in this volume were carefully reviewed and selected from 123 submissions. These days we find many computer programs that exhibit various useful learning methods and commercial applications. Goal of machine learning is to develop computer programs that can learn from experience. Machine learning involves knowledge from various disciplines like, statistics, information theory, artificial intelligence, computational complexity, cognitive science and biology. For problems like handwriting recognition, algorithms that are based on machine learning out perform all other approaches. Both machine learning and data science are interrelated. Data science is an umbrella term to be used for techniques that cleandata and extract useful information from data. In field of data science, machine learning algorithms are used frequently to identify valuable knowledge from commercial databases containing records of different industries, financial transactions, medical records, etc. The main objective of this book is to provide an overview on latest advancements in the field of machine learning and data science, with solutions to problems in field of image, video, data and graph processing, pattern recognition, data structuring, data clustering, pattern mining, association rule based approaches, feature extraction techniques, neural networks, bio inspired learning and various machine learning algorithms. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200