Título :	Guide to Industrial Analytics : Solving Data Science Problems for Manufacturing and the Internet of Things
Tipo de documento:	documento electrónico
Autores:	Hill, Richard, Autor ; Berry, Stuart, Autor
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2021
Número de páginas:	XXV, 275 p. 172 ilustraciones, 108 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-79104-9
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Artículos  Grandes datos  Informática  Redes de comunicación informática  Aprendizaje automático  Máquina  Minería de datos y descubrimiento de conocimientos  Procesamiento de datos  Red informática
Índice Dewey:	6.312
Resumen:	El seguimiento y la gestión del rendimiento operativo es una actividad crucial para las organizaciones industriales y empresariales. El surgimiento de computación y almacenamiento accesibles y de bajo costo a través del Internet industrial de las cosas (IIoT) ha generado un interés considerable en enfoques innovadores para hacer más con los datos. La ciencia de datos, el análisis predictivo, el aprendizaje automático, la inteligencia artificial y los enfoques más generales para modelar, simular y visualizar sistemas industriales a menudo se han considerado temas exclusivos de laboratorios de investigación y departamentos académicos. Este libro desacredita la mística en torno a la ciencia de datos aplicada y muestra a los lectores, mediante explicaciones estilo tutorial y estudios de casos de la vida real, cómo los profesionales pueden desarrollar su propia comprensión del desempeño para lograr mejoras comerciales tangibles. Temas y características: Describe la aplicación práctica de técnicas de ciencia de datos para resolver problemas en la fabricación y el IIoT. Presenta ejemplos de estudios de casos relevantes que utilizan software comúnmente disponible (y a menudo gratuito) para resolver problemas del mundo real. Permite a los lectores adquirir rápidamente una comprensión práctica de las habilidades esenciales de modelado y análisis para la resolución de problemas orientados a sistemas. Incluye un cronograma para organizar el contenido para la entrega universitaria semestral y ejercicios al final del capítulo para reforzar el aprendizaje. Este libro de texto/guía único describe cómo usar herramientas para investigar. , diagnosticar, proponer e implementar soluciones analíticas que proporcionen evidencia para casos de negocios o para entregar resultados explicables que demuestren un impacto positivo dentro de una organización. Será de gran valor para estudiantes, desarrolladores de aplicaciones, investigadores, consultores técnicos y gerentes y supervisores industriales. El Dr. Richard Hill es profesor de Sistemas Inteligentes, jefe del Departamento de Ciencias de la Computación y director del Centro de Análisis Industrial de la Universidad de Huddersfield, Reino Unido. Sus otros títulos de Springer incluyen Guía para el análisis de vulnerabilidades para sistemas y redes informáticas y Análisis de big data y computación en la nube. El Dr. Stuart Berry es miembro emérito del Departamento de Computación y Matemáticas de la Universidad de Derby, Reino Unido. Es coeditor del título de Springer, Guía de modelado computacional para procesos de decisión.
Nota de contenido:	1. Introduction to Industrial Analytics -- 2. Measuring Performance -- 3. Modelling and Simulating Systems -- 4. Optimising Systems -- 5. Production Control and Scheduling -- 6. Simulating Demand Forecasts -- 7. Investigating Time Series Data -- 8. Determining the Minimum Information for Effective Control -- 9. Constructing Machine Learning Models for Prediction -- 10. Exploring Model Accuracy.
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 Industrial Analytics : Solving Data Science Problems for Manufacturing and the Internet of Things [documento electrónico] / Hill, Richard, Autor ; Berry, Stuart, Autor  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XXV, 275 p. 172 ilustraciones, 108 ilustraciones en color.
ISBN : 978-3-030-79104-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Artículos  Grandes datos  Informática  Redes de comunicación informática  Aprendizaje automático  Máquina  Minería de datos y descubrimiento de conocimientos  Procesamiento de datos  Red informática
Índice Dewey:	6.312
Resumen:	El seguimiento y la gestión del rendimiento operativo es una actividad crucial para las organizaciones industriales y empresariales. El surgimiento de computación y almacenamiento accesibles y de bajo costo a través del Internet industrial de las cosas (IIoT) ha generado un interés considerable en enfoques innovadores para hacer más con los datos. La ciencia de datos, el análisis predictivo, el aprendizaje automático, la inteligencia artificial y los enfoques más generales para modelar, simular y visualizar sistemas industriales a menudo se han considerado temas exclusivos de laboratorios de investigación y departamentos académicos. Este libro desacredita la mística en torno a la ciencia de datos aplicada y muestra a los lectores, mediante explicaciones estilo tutorial y estudios de casos de la vida real, cómo los profesionales pueden desarrollar su propia comprensión del desempeño para lograr mejoras comerciales tangibles. Temas y características: Describe la aplicación práctica de técnicas de ciencia de datos para resolver problemas en la fabricación y el IIoT. Presenta ejemplos de estudios de casos relevantes que utilizan software comúnmente disponible (y a menudo gratuito) para resolver problemas del mundo real. Permite a los lectores adquirir rápidamente una comprensión práctica de las habilidades esenciales de modelado y análisis para la resolución de problemas orientados a sistemas. Incluye un cronograma para organizar el contenido para la entrega universitaria semestral y ejercicios al final del capítulo para reforzar el aprendizaje. Este libro de texto/guía único describe cómo usar herramientas para investigar. , diagnosticar, proponer e implementar soluciones analíticas que proporcionen evidencia para casos de negocios o para entregar resultados explicables que demuestren un impacto positivo dentro de una organización. Será de gran valor para estudiantes, desarrolladores de aplicaciones, investigadores, consultores técnicos y gerentes y supervisores industriales. El Dr. Richard Hill es profesor de Sistemas Inteligentes, jefe del Departamento de Ciencias de la Computación y director del Centro de Análisis Industrial de la Universidad de Huddersfield, Reino Unido. Sus otros títulos de Springer incluyen Guía para el análisis de vulnerabilidades para sistemas y redes informáticas y Análisis de big data y computación en la nube. El Dr. Stuart Berry es miembro emérito del Departamento de Computación y Matemáticas de la Universidad de Derby, Reino Unido. Es coeditor del título de Springer, Guía de modelado computacional para procesos de decisión.
Nota de contenido:	1. Introduction to Industrial Analytics -- 2. Measuring Performance -- 3. Modelling and Simulating Systems -- 4. Optimising Systems -- 5. Production Control and Scheduling -- 6. Simulating Demand Forecasts -- 7. Investigating Time Series Data -- 8. Determining the Minimum Information for Effective Control -- 9. Constructing Machine Learning Models for Prediction -- 10. Exploring Model Accuracy.
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