Big Data Analytics: Systems, Algorithms, Applications / Prabhu, C.S.R  

Público ISBD Ningún comentario para este registro. Título : Big Data Analytics: Systems, Algorithms, Applications Tipo de documento: documento electrónico Autores: Prabhu, C.S.R, ; Chivukula, Aneesh Sreevallabh, ; Mogadala, Aditya, ; Ghosh, Rohit, ; Livingston, L.M. Jenila, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2019 Número de páginas: XXVI, 412 p. 174 ilustraciones, 108 ilustraciones en color. ISBN/ISSN/DL: 978-981-1500947-- 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: Grandes datos  Procesamiento de datos  Minería de datos y descubrimiento de conocimientos Clasificación: 005.7 Resumen: Este libro proporciona un estudio completo de las técnicas, tecnologías y aplicaciones de Big Data y su análisis. El fenómeno Big Data está impactando cada vez más a todos los sectores empresariales e industriales, produciendo un nuevo ecosistema de información emergente. En el frente de las aplicaciones, el libro ofrece descripciones detalladas de diversas áreas de aplicación de Big Data Analytics en los importantes dominios de la Web Social Semántica Minería, Servicios Bancarios y Financieros, Mercados de Capitales, Seguros, Publicidad, Sistemas de Recomendación, Bioinformática, IoT y Fog Computing, antes de profundizar en temas de seguridad y privacidad. Con respecto a las técnicas de aprendizaje automático, el libro presenta todos los algoritmos estándar para el aprendizaje, incluidas técnicas supervisadas, semisupervisadas y no supervisadas, como técnicas de aprendizaje en clústeres y de refuerzo para realizar un aprendizaje profundo colectivo. También se cubre el aprendizaje no lineal y de múltiples capas para Big Data. A su vez, el libro destaca estudios de casos de la vida real sobre implementaciones exitosas de Big Data Analytics en grandes empresas de TI como Google, Facebook, LinkedIn y Microsoft. Los estudios de casos multisectoriales sobre empresas de dominio como Deutsche Bank, el proveedor de energía Opower, Delta Airlines y una aplicación de transporte urbano chino representan una valiosa adición. Dada su cobertura integral de Big Data Analytics, el libro ofrece un recurso único para estudiantes de pregrado y posgrado, investigadores, educadores y profesionales de TI por igual. Nota de contenido: Big Data -- Intelligent Systems -- Analytics Models for Data Science -- Big Data Tools – Hadoop Eco System -- Predictive Modeling for Unstructured Data -- Machine Learning Algorithms for Big Data -- Social Semantic Web Mining and Big Data Analytics -- Internet of Things (IoT) and Big Data Analytics -- Big Data Analytics for Financial and Services Banking -- Big Data Analytics Techniques in Capital Market Use Cases. Tipo de medio : Computadora Summary : This book provides a comprehensive survey of techniques, technologies and applications of Big Data and its analysis. The Big Data phenomenon is increasingly impacting all sectors of business and industry, producing an emerging new information ecosystem. On the applications front, the book offers detailed descriptions of various application areas for Big Data Analytics in the important domains of Social Semantic Web Mining, Banking and Financial Services, Capital Markets, Insurance, Advertisement, Recommendation Systems, Bio-Informatics, the IoT and Fog Computing, before delving into issues of security and privacy. With regard to machine learning techniques, the book presents all the standard algorithms for learning – including supervised, semi-supervised and unsupervised techniques such as clustering and reinforcement learning techniques to perform collective Deep Learning. Multi-layered and nonlinear learning for Big Data are also covered. In turn,the book highlights real-life case studies on successful implementations of Big Data Analytics at large IT companies such as Google, Facebook, LinkedIn and Microsoft. Multi-sectorial case studies on domain-based companies such as Deutsche Bank, the power provider Opower, Delta Airlines and a Chinese City Transportation application represent a valuable addition. Given its comprehensive coverage of Big Data Analytics, the book offers a unique resource for undergraduate and graduate students, researchers, educators and IT professionals alike. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Big Data Analytics: Systems, Algorithms, Applications [documento electrónico] / Prabhu, C.S.R, ; Chivukula, Aneesh Sreevallabh, ; Mogadala, Aditya, ; Ghosh, Rohit, ; Livingston, L.M. Jenila,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2019 . - XXVI, 412 p. 174 ilustraciones, 108 ilustraciones en color. ISBN : 978-981-1500947-- 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: Grandes datos  Procesamiento de datos  Minería de datos y descubrimiento de conocimientos Clasificación: 005.7 Resumen: Este libro proporciona un estudio completo de las técnicas, tecnologías y aplicaciones de Big Data y su análisis. El fenómeno Big Data está impactando cada vez más a todos los sectores empresariales e industriales, produciendo un nuevo ecosistema de información emergente. En el frente de las aplicaciones, el libro ofrece descripciones detalladas de diversas áreas de aplicación de Big Data Analytics en los importantes dominios de la Web Social Semántica Minería, Servicios Bancarios y Financieros, Mercados de Capitales, Seguros, Publicidad, Sistemas de Recomendación, Bioinformática, IoT y Fog Computing, antes de profundizar en temas de seguridad y privacidad. Con respecto a las técnicas de aprendizaje automático, el libro presenta todos los algoritmos estándar para el aprendizaje, incluidas técnicas supervisadas, semisupervisadas y no supervisadas, como técnicas de aprendizaje en clústeres y de refuerzo para realizar un aprendizaje profundo colectivo. También se cubre el aprendizaje no lineal y de múltiples capas para Big Data. A su vez, el libro destaca estudios de casos de la vida real sobre implementaciones exitosas de Big Data Analytics en grandes empresas de TI como Google, Facebook, LinkedIn y Microsoft. Los estudios de casos multisectoriales sobre empresas de dominio como Deutsche Bank, el proveedor de energía Opower, Delta Airlines y una aplicación de transporte urbano chino representan una valiosa adición. Dada su cobertura integral de Big Data Analytics, el libro ofrece un recurso único para estudiantes de pregrado y posgrado, investigadores, educadores y profesionales de TI por igual. Nota de contenido: Big Data -- Intelligent Systems -- Analytics Models for Data Science -- Big Data Tools – Hadoop Eco System -- Predictive Modeling for Unstructured Data -- Machine Learning Algorithms for Big Data -- Social Semantic Web Mining and Big Data Analytics -- Internet of Things (IoT) and Big Data Analytics -- Big Data Analytics for Financial and Services Banking -- Big Data Analytics Techniques in Capital Market Use Cases. Tipo de medio : Computadora Summary : This book provides a comprehensive survey of techniques, technologies and applications of Big Data and its analysis. The Big Data phenomenon is increasingly impacting all sectors of business and industry, producing an emerging new information ecosystem. On the applications front, the book offers detailed descriptions of various application areas for Big Data Analytics in the important domains of Social Semantic Web Mining, Banking and Financial Services, Capital Markets, Insurance, Advertisement, Recommendation Systems, Bio-Informatics, the IoT and Fog Computing, before delving into issues of security and privacy. With regard to machine learning techniques, the book presents all the standard algorithms for learning – including supervised, semi-supervised and unsupervised techniques such as clustering and reinforcement learning techniques to perform collective Deep Learning. Multi-layered and nonlinear learning for Big Data are also covered. In turn,the book highlights real-life case studies on successful implementations of Big Data Analytics at large IT companies such as Google, Facebook, LinkedIn and Microsoft. Multi-sectorial case studies on domain-based companies such as Deutsche Bank, the power provider Opower, Delta Airlines and a Chinese City Transportation application represent a valuable addition. Given its comprehensive coverage of Big Data Analytics, the book offers a unique resource for undergraduate and graduate students, researchers, educators and IT professionals alike. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Fog Computing, Deep Learning and Big Data Analytics-Research Directions / Prabhu, C.S.R  

Público ISBD Ningún comentario para este registro. Título : Fog Computing, Deep Learning and Big Data Analytics-Research Directions Tipo de documento: documento electrónico Autores: Prabhu, C.S.R, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 71 p. 5 ilustraciones, 1 ilustraciones en color. ISBN/ISSN/DL: 978-981-1332098-- 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: Grandes datos  Inteligencia artificial  Tecnología de la información  Ciencia de los datos  Aplicación Informática en Tratamiento de Datos Administrativos Clasificación: 005.7 Resumen: Este libro proporciona una imagen completa de la tecnología de computación en la niebla, incluidas las arquitecturas de la niebla, los problemas de administración de aplicaciones conscientes de la latencia con requisitos en tiempo real, los problemas de seguridad y privacidad y el análisis de la niebla, en una amplia gama de escenarios de aplicaciones, como la comunicación de dispositivos M2M, hogares inteligentes y vehículos inteligentes. , realidad aumentada y gestión del transporte. Este libro explora los temas de investigación involucrados en la aplicación de técnicas tradicionales de aprendizaje automático superficial y aprendizaje profundo al análisis de big data. Examina los avances de la investigación global en la extensión de los algoritmos convencionales no supervisados ​​o de agrupamiento, la extensión de los algoritmos supervisados ​​y semisupervisados ​​y los algoritmos de minería de reglas de asociación a escenarios de big data. Además, analiza las aplicaciones de aprendizaje profundo del análisis de big data en los campos de la visión por computadora y el procesamiento del habla, y describe aplicaciones como la indexación semántica y el etiquetado de datos. Por último, identifica 25 problemas de investigación sin resolver y direcciones de investigación en computación de niebla, así como en el contexto de la aplicación de técnicas de aprendizaje profundo al análisis de big data, como la reducción de la dimensionalidad en datos de alta dimensión y la formulación mejorada de abstracciones de datos junto con posibles direcciones para sus soluciones. Nota de contenido: Introduction -- Fog Application management -- Fog Analytics -- Fog Security and Privary -- Research Directions -- Conclusion. Tipo de medio : Computadora Summary : This book provides a comprehensive picture of fog computing technology, including of fog architectures, latency aware application management issues with real time requirements, security and privacy issues and fog analytics, in wide ranging application scenarios such as M2M device communication, smart homes, smart vehicles, augmented reality and transportation management. This book explores the research issues involved in the application of traditional shallow machine learning and deep learning techniques to big data analytics. It surveys global research advances in extending the conventional unsupervised or clustering algorithms, extending supervised and semi-supervised algorithms and association rule mining algorithms to big data Scenarios. Further it discusses the deep learning applications of big data analytics to fields of computer vision and speech processing, and describes applications such as semantic indexing and data tagging. Lastly it identifies 25 unsolved research problems and research directions in fog computing, as well as in the context of applying deep learning techniques to big data analytics, such as dimensionality reduction in high-dimensional data and improved formulation of data abstractions along with possible directions for their solutions. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Fog Computing, Deep Learning and Big Data Analytics-Research Directions [documento electrónico] / Prabhu, C.S.R,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2019 . - XIII, 71 p. 5 ilustraciones, 1 ilustraciones en color. ISBN : 978-981-1332098-- 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: Grandes datos  Inteligencia artificial  Tecnología de la información  Ciencia de los datos  Aplicación Informática en Tratamiento de Datos Administrativos Clasificación: 005.7 Resumen: Este libro proporciona una imagen completa de la tecnología de computación en la niebla, incluidas las arquitecturas de la niebla, los problemas de administración de aplicaciones conscientes de la latencia con requisitos en tiempo real, los problemas de seguridad y privacidad y el análisis de la niebla, en una amplia gama de escenarios de aplicaciones, como la comunicación de dispositivos M2M, hogares inteligentes y vehículos inteligentes. , realidad aumentada y gestión del transporte. Este libro explora los temas de investigación involucrados en la aplicación de técnicas tradicionales de aprendizaje automático superficial y aprendizaje profundo al análisis de big data. Examina los avances de la investigación global en la extensión de los algoritmos convencionales no supervisados ​​o de agrupamiento, la extensión de los algoritmos supervisados ​​y semisupervisados ​​y los algoritmos de minería de reglas de asociación a escenarios de big data. Además, analiza las aplicaciones de aprendizaje profundo del análisis de big data en los campos de la visión por computadora y el procesamiento del habla, y describe aplicaciones como la indexación semántica y el etiquetado de datos. Por último, identifica 25 problemas de investigación sin resolver y direcciones de investigación en computación de niebla, así como en el contexto de la aplicación de técnicas de aprendizaje profundo al análisis de big data, como la reducción de la dimensionalidad en datos de alta dimensión y la formulación mejorada de abstracciones de datos junto con posibles direcciones para sus soluciones. Nota de contenido: Introduction -- Fog Application management -- Fog Analytics -- Fog Security and Privary -- Research Directions -- Conclusion. Tipo de medio : Computadora Summary : This book provides a comprehensive picture of fog computing technology, including of fog architectures, latency aware application management issues with real time requirements, security and privacy issues and fog analytics, in wide ranging application scenarios such as M2M device communication, smart homes, smart vehicles, augmented reality and transportation management. This book explores the research issues involved in the application of traditional shallow machine learning and deep learning techniques to big data analytics. It surveys global research advances in extending the conventional unsupervised or clustering algorithms, extending supervised and semi-supervised algorithms and association rule mining algorithms to big data Scenarios. Further it discusses the deep learning applications of big data analytics to fields of computer vision and speech processing, and describes applications such as semantic indexing and data tagging. Lastly it identifies 25 unsolved research problems and research directions in fog computing, as well as in the context of applying deep learning techniques to big data analytics, such as dimensionality reduction in high-dimensional data and improved formulation of data abstractions along with possible directions for their solutions. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200