Autor Candelieri, Antonio
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
TÃtulo : Bayesian Optimization and Data Science Tipo de documento: documento electrónico Autores: Archetti, Francesco, Autor ; Candelieri, Antonio, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 126 p. 52 ilustraciones, 39 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-24494-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: La investigación de operaciones ciencia de la gestión Aprendizaje automático Software de ordenador EstadÃsticas Investigación de Operaciones Ciencias de la Gestión Software matemático Inferencia bayesiana Ãndice Dewey: 3 Resumen: Este volumen reúne los principales resultados en el campo de la Optimización Bayesiana (BO), centrándose en los últimos diez años y mostrando cómo, sobre el marco básico, se han especializado nuevos métodos para resolver problemas emergentes del aprendizaje automático, la inteligencia artificial y los sistemas. mejoramiento. También analiza los recursos de software disponibles para BO y algunas áreas de aplicación seleccionadas. Algunas áreas para las que se muestran nuevos resultados incluyen optimización restringida, optimización segura y matemáticas aplicadas, especÃficamente el uso de BO para resolver problemas difÃciles de enteros mixtos no lineales. El libro ayudará a que los lectores comprendan plenamente el marco básico de optimización bayesiana y aprecien su potencial para áreas de aplicaciones emergentes. Será de particular interés para las comunidades de ciencia de datos, informática, optimización e ingenierÃa. Nota de contenido: 1. Automated Machine Learning and Bayesian Optimization -- 2. From Global Optimization to Optimal Learning -- 3. The Surrogate Model -- 4. The Acquisition Function -- 5. Exotic BO -- 6. Software Resources -- 7. Selected Applications. 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 Bayesian Optimization and Data Science [documento electrónico] / Archetti, Francesco, Autor ; Candelieri, Antonio, Autor . - 1 ed. . - [s.l.] : Springer, 2019 . - XIII, 126 p. 52 ilustraciones, 39 ilustraciones en color.
ISBN : 978-3-030-24494-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: La investigación de operaciones ciencia de la gestión Aprendizaje automático Software de ordenador EstadÃsticas Investigación de Operaciones Ciencias de la Gestión Software matemático Inferencia bayesiana Ãndice Dewey: 3 Resumen: Este volumen reúne los principales resultados en el campo de la Optimización Bayesiana (BO), centrándose en los últimos diez años y mostrando cómo, sobre el marco básico, se han especializado nuevos métodos para resolver problemas emergentes del aprendizaje automático, la inteligencia artificial y los sistemas. mejoramiento. También analiza los recursos de software disponibles para BO y algunas áreas de aplicación seleccionadas. Algunas áreas para las que se muestran nuevos resultados incluyen optimización restringida, optimización segura y matemáticas aplicadas, especÃficamente el uso de BO para resolver problemas difÃciles de enteros mixtos no lineales. El libro ayudará a que los lectores comprendan plenamente el marco básico de optimización bayesiana y aprecien su potencial para áreas de aplicaciones emergentes. Será de particular interés para las comunidades de ciencia de datos, informática, optimización e ingenierÃa. Nota de contenido: 1. Automated Machine Learning and Bayesian Optimization -- 2. From Global Optimization to Optimal Learning -- 3. The Surrogate Model -- 4. The Acquisition Function -- 5. Exotic BO -- 6. Software Resources -- 7. Selected Applications. 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
